这个品类的数据长什么样
光伏行业研报主要来自券商研究所、行业协会、上市公司定期公告及政策文件。更新节奏随行业事件、季度财报、政策发布不定期调整，月度跟踪类研报更新频率较高。文档通常包含摘要、行业供需数据、产业链各环节分析、政策解读及企业营收数据，部分附带结构化表格与数据图表。字段包含装机量、组件价格、毛利率、企业营收等，对应单位分别为GW、元/W、百分比、万元，文档格式以PDF为主，部分附带Excel格式原始数据表格。
这些特征在「文档解析与分块」这一环带来什么约束
光伏研报的专业数据结构与格式特征，对文档解析与分块环节带来多项约束。首先，文档包含大量结构化供需、价格表格，需保留原始行列结构，避免仅提取纯文本导致数据逻辑断裂；其次，专业单位与数值绑定紧密，分块时不可拆分单位与对应数据；第三，文档同时包含长段行业分析与短条目数据，需兼顾上下文连贯性与检索颗粒度；最后，批量上传的研报存在重复字段与交叉引用，需避免重复索引同一份数据。另外，部分研报附带内嵌图表，需提取图表附带的文字说明以补充检索内容。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_TABLE_ENABLE | 开启 | 光伏研报包含大量结构化供需、价格表格，需保留表格结构用于精准检索 |
CHUNK_SIZE | 800–1200 字符 | 光伏研报既有长段行业分析，也有短数据条目，该区间可兼顾上下文连贯性与检索精度 |
CHUNK_OVERLAP | 10–15 % | 光伏研报数据密集，重叠分段可避免关键数据被拆分到两个独立分段中 |
PARSE_EXTRACT_IMAGE_CAPTION | 开启 | 光伏研报中的产能、政策图表附带关键文字说明，需提取补充检索内容 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 长文档包含多表格与图表，需足够时间完成完整解析 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 单份光伏研报PDF通常不超过100MB，预留批量上传的合理空间 |
本页给出的参数取值均为常规建议，用于确定配置的起点。实际取值受材料形态、数据量与业务规则影响，具体问题需具体分析，建议在自有样本上实测后再定。
容易做错的三处
- 现象：检索光伏研报中的组件价格数据时，返回结果未匹配到精确数值。原因：未开启
PARSE_TABLE_ENABLE配置，仅提取纯文本导致结构化数据无法被正确索引。 - 现象：上传多列光伏装机量Excel文件后，自动分段结果将跨行列拼接内容。原因：未调整
CHUNK_SIZE与分段规则，默认分段逻辑未适配多列结构化表格的行级拆分需求。 - 现象：批量上传多份光伏研报时，解析任务包含此前上传的历史文档。原因：未启用仅解析当前上传文件的设置，系统默认加载历史文档参与本次解析。
怎么确认配好了
- 上传单份典型光伏研报PDF，查看解析后的文本内容，确认表格结构被完整保留。
- 上传多列光伏数据Excel文件，手动调整分段参数后，验证分段结果按行拆分数据条目。
- 批量上传多份光伏研报，检查解析任务列表，确认仅当前上传的文档被纳入解析范围。
- 发起检索测试，输入光伏行业专业术语，确认返回结果包含对应研报中的精确数据与上下文。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-14，当时的最新发布版本为 FastGPT v4.17.0。