这个品类的数据长什么样
铁矿石研报的数据主要来自行业协会、大宗商品指数机构、期货交易所、券商研究机构与矿山企业公告。更新节奏分为日更（现货价格、港口库存等即时数据）、周更（行业供需周报）与不定期发布（专题研报）。文档结构通常包含核心指标表格、行情走势分析、供需格局解读、政策影响四个部分，核心字段包含普氏铁矿石指数、青岛港库存、进口量、品位数值等，单位多为美元/干吨度、万吨等。部分行业报告为扫描版图片格式，券商研报则多为带排版的PDF文档。
这些特征在「文档解析与分块」这一环带来什么约束
首先，铁矿石研报中存在大量绑定单位的精准数值，如62%品位铁矿石的现货价格，解析与分块时需保留数值与对应上下文的关联，避免拆分后无法还原完整信息。其次，文档中核心数据多以表格形式呈现，表格内的多列数据（如不同港口的库存、不同品位的价格）关联性强，分块时不能破坏表格的完整结构，否则会导致检索时数据脱节。第三，不同来源的文档格式差异较大，既有带排版的PDF研报，也有扫描版图片文档，解析环节需适配多种格式，避免因格式不兼容导致字段丢失。最后，即时类研报时效性强，分块时需兼顾上下文连贯性与时效性，避免将跨周期的行情分析合并为单一分块。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_FILE_TIMEOUT_SECONDS | 120 秒 | 铁矿石研报多为10-30页PDF，扫描版文档的OCR与解析耗时较长，120秒可覆盖绝大多数场景的解析需求 |
chunk_size | 800–1200 字符 | 研报中核心指标段落多为300-800字符，该区间可保留指标与前后行情分析的完整关联 |
chunk_overlap | 150–200 字符 | 铁矿石研报的核心数据常跨段落提及，重叠部分可保证检索时上下文连贯，避免数据割裂 |
enable_ocr | 开启 | 部分行业报告为扫描版图片格式，开启OCR可提取文本内容，避免核心字段丢失 |
parse_table_mode | 保留表格结构 | 铁矿石研报中的价格、库存表格为核心检索单元，保留结构可保证数据关联性完整 |
UPLOAD_FILE_MAX_SIZE | 50 MB | 单份铁矿石研报PDF通常不超过20 MB，该设置可预留空间应对多文档批量上传场景 |
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：上传扫描版铁矿石研报后，检索结果出现大量空字段或乱码。原因：未开启
enable_ocr配置，仅解析了图片层，未解析文本层。 - 现象：解析超过15页的铁矿石研报时，平台返回
504 Gateway Timeout错误。原因：未调整PARSE_FILE_TIMEOUT_SECONDS参数，默认超时时长不足应对长文档的OCR与解析流程。 - 现象：检索铁矿石价格数据时，出现“120美元”与“62%品位”分属不同分块的情况。原因：
chunk_size设置过小，拆分了绑定的核心指标与对应的行情描述上下文。
怎么确认配好了
- 上传一份扫描版铁矿石研报，查看解析后的文本内容是否包含完整的价格、库存等核心字段，确认OCR配置生效。
- 上传一份20页的铁矿石研报，等待解析完成后查看平台日志，确认解析耗时未超过
PARSE_FILE_TIMEOUT_SECONDS设置的时长。 - 检索研报中的核心指标（如普氏62%铁矿石指数），查看检索结果中是否同时包含指标数值与对应的行情分析上下文，确认分块参数配置合理。
- 批量上传3-5份铁矿石研报，确认上传进度正常，未触发文件大小相关的报错提示。
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。