焦煤研报检索的文档解析与分块

这个品类的数据长什么样

焦煤研报数据主要来自煤炭行业协会公开报告、期货交易所交割标准文档、券商行业分析PDF、主产区及港口现货报价数据。更新节奏涵盖每日现货报价、每周行业库存周报、不定期深度分析报告。文档多为多页PDF格式，包含结构化数据表格与文字分析内容，结构化字段包含粘结指数、全水分、硫分、灰分、吨价等，单位多为%、元/吨、g/g等。

这些特征在「文档解析与分块」这一环带来什么约束

焦煤研报的结构化表格多、字段单位混杂且存在细分品级差异，要求解析环节精准提取单元格数据，避免跨行跨列的解析错误。不定期深度报告篇幅较长，需适配长文档分块规则，避免核心分析内容被截断。每日更新的现货报价数据时效性强，解析环节需支持增量处理，避免重复解析全量历史文档。不同品级焦煤的数据分散在不同章节，分块时需按品级聚类，提升后续检索的精准匹配度。

配置怎么定

配置项	建议取法	这样取的依据
`PARSE_CHUNK_SIZE`	`800–1200 字符`	焦煤研报包含长段分析与结构化表格，该区间可平衡内容完整性与检索精度，避免单块内容过碎或过长。
`PARSE_CHUNK_OVERLAP`	`100–150 字符`	焦煤研报的分析内容常跨分块衔接，重叠设置可保留上下文关联，避免关键逻辑断裂。
`PARSE_TABLE_EXTRACT_MODE`	`structured_only`	焦煤研报的结构化数据表格为核心检索内容，仅提取结构化表格可过滤冗余文字，提升检索精准度。
`PARSE_INCREMENTAL_ENABLE`	`开启`	每日更新的现货报价数据占比高，增量解析可跳过已处理的历史文档，缩短解析耗时。
`PARSE_TIMEOUT_SECONDS`	`600 秒`	部分深度焦煤研报篇幅较长，该超时设置可避免长文档解析被强制中断。
`UPLOAD_FILE_MAX_SIZE`	`1000 MB`	焦煤行业深度研报单文件体积可能较大，该设置可支持大文件上传解析。

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：上传焦煤研报PDF后，数据处理环节返回空内容，搜索测试无匹配结果。原因：未启用表格结构化提取配置，导致研报中的核心价格、库存表格数据未被正确解析入库。
现象：向量化任务耗时过长，系统响应延迟。原因：分块大小设置低于合理区间，单文档生成的分块数量过多，增加向量化计算负载。
现象：用户提问文本触发文档解析流程，占用解析资源。原因：未正确配置QUERY_SKIP_PARSE参数，导致非文档类的提问内容被误加入解析环节。

怎么确认配好了

上传一份焦煤现货报价PDF，查看解析后的分块内容，确认表格数据被完整提取，单位与字段对应正确。
查看解析任务的日志，确认增量解析开关生效，仅新上传的文档被处理，历史文档未重复解析。
上传一份篇幅较长的焦煤深度研报，确认解析任务未触发超时错误，分块长度符合预设规则。
发起非文档类的用户提问，确认提问内容未触发解析流程，仅文档类内容进入解析环节。

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。