这个品类的数据长什么样
航天装备研报的数据来源包括国防军工行业公开研报、航天集团官方披露文件、行业协会年度报告。更新节奏随重大型号发射、技术突破节点密集调整，常规更新按季度推进。文档多为PDF、PPT、Excel混合格式，包含专业参数表格、发射轨迹示意图、分系统结构说明。字段与单位包含推力（千牛）、轨道高度（千米）、载荷质量（千克）等专属工程参数，附带型号编号、研制周期、任务节点等信息。
这些特征在「文档解析与分块」这一环带来什么约束
多格式混合的数据源要求解析模块适配PDF、PPT、Excel等多种文件类型。长文档与密集更新的特性要求分块逻辑保留上下文连贯性，避免割裂专业参数关联。专属工程参数与单位要求解析模块准确识别字段，防止单位转换错误。嵌入多sheet的Excel附件、高精度示意图要求解析模块完整提取sheet数据与原图，避免信息遗漏。章节嵌套的文档结构要求分块遵循章节层级，防止跨章节参数混淆。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxChunkSize | 800–1200 字符 | 航天装备研报包含长段落的专业参数说明与表格内容，该取值可避免割裂专业上下文 |
chunkOverlap | 150–200 字符 | 保留跨块的参数关联，例如某型号推力与配套载荷的衔接信息 |
enableOcr | 仅对扫描版文档启用 | 航天装备研报多为可复制文本格式，强制全局OCR会丢失原始表格与公式结构 |
parseExcelSheets | 启用全部sheet | 航天研报的Excel附件常按任务批次、分系统拆分sheet，遗漏会丢失完整数据 |
enableImageExtract | 保留原图格式 | 航天研报的发射轨迹图、结构示意图无法通过文本还原，需保留原图用于后续召回 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 大型航天研报PDF含多页图表与嵌入附件，解析耗时较长，该阈值可覆盖多数场景 |
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：启用PDF增强功能后，图文结合的研报中图片被OCR解析为乱码文本，无原图输出。原因：误将
enableOcr设为全局启用，未区分可复制文本与扫描版文档。 - 现象：解析Excel附件时，仅返回第一个sheet的数据，其余sheet的内容未被提取。原因：未开启
parseExcelSheets的全sheet解析配置。 - 现象：导入PPT或DOC文档时，解析结果为空或仅包含少量文本。原因：未正确配置多格式解析开关，或文档包含未授权的加密内容。
怎么确认配好了
- 上传单页包含嵌入Excel的航天研报PDF，检查解析结果是否包含所有sheet的表格数据。
- 上传含原图的航天任务扫描报告，检查返回结果是否保留原图链接，且未包含OCR生成的文本。
- 上传100页以上的长文档，验证解析完成时间未超出配置的超时阈值。
- 查看解析日志，确认未出现参数解析错误或格式识别失败的报错信息。
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。