这个品类的数据长什么样
热力研报的数据主要来源于省级电网公司、区域热力运营企业、行业协会的公开统计与深度分析报告，更新节奏以月度运行简报、季度深度分析为主，年度会发布全行业总结报告。文档结构通常包含封面页、核心业务指标页、区域供热运行数据表格、政策解读、风险提示五个部分，核心字段包括供热负荷、蒸汽压力、单位能耗等，对应单位分别为吉焦每小时（GJ/h）、兆帕（MPa）、千克标准煤每吉焦（kgce/GJ），同时附带报告编号、发布机构、发布日期等基础元数据。
这些特征在「文档解析与分块」这一环带来什么约束
热力研报的结构化表格占比高，且表格内的指标与区域、时间强绑定，普通文本分块会割裂数据关联，导致检索时无法匹配完整业务逻辑。月度简报的更新频率较高，单篇文档内会包含往期数据对比，分块需要保留上下文关联以避免语义断裂。部分研报会附带Excel格式的原始运行数据附件，仅解析PDF正文会丢失完整的业务数据。此外，不同区域的热力数据分散在不同段落，固定长度分块可能会将同一区域的连续数据拆分，影响召回精度。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_TABLE_ENABLE | 开启 | 热力研报包含大量结构化能耗、负荷表格，开启后可保留表格行列关联，避免数据割裂 |
CHUNK_SIZE | 800–1000 字符 | 单篇热力研报平均段落长度适中，该区间可平衡语义完整性与召回精度 |
CHUNK_OVERLAP | 100–150 字符 | 保留相邻分块的重叠内容，避免跨段落的指标关联被拆分 |
UPLOAD_FILE_MAX_SIZE | 2000 MB | 部分热力研报包含多页年度数据汇总，支持更大文件上传避免截断 |
PARSE_ATTACHMENT_ENABLE | 开启 | 热力研报常附带Excel格式的原始运行数据，开启后可解析附件中的结构化内容 |
METADATA_EXTRACT_FIELDS | 报告编号,发布机构,发布日期,供热区域 | 提取研报核心业务元数据，关联至对应分块，便于检索后溯源 |
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：上传3MB的热力研报PDF时触发
UPLOAD_FAILED错误码，界面显示「文件解析超时」。原因：未调整UPLOAD_FILE_MAX_SIZE或PARSE_FILE_TIMEOUT_SECONDS参数，默认配置无法处理包含多页表格的大文档。 - 现象：检索到的分块未关联供热区域、发布机构等业务元数据。原因：未配置
METADATA_EXTRACT_FIELDS，默认仅提取基础文档信息，丢失热力研报特有的业务关联数据。 - 现象：分块后相同供热指标的关联数据被拆分到不同块，检索时无法匹配完整逻辑。原因：未开启
PARSE_TABLE_ENABLE，结构化表格的行列数据被强制按固定长度拆分。
怎么确认配好了
- 上传单篇包含结构化表格的热力研报，检查解析后的数据是否保留完整的行列结构，无内容截断。
- 发起检索请求，查看返回结果的元数据字段是否包含预设的业务相关字段。
- 对比分块前后的文档内容，确认相邻分块存在重叠字符，且核心业务指标未被跨块拆分。
- 上传附带Excel附件的研报，检查解析结果是否包含附件中的原始数据条目。
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。