这个品类的数据长什么样
风电研报主要来自券商研究所、行业协会公开报告、整机厂商技术白皮书。更新节奏随行业事件调整，政策发布、装机数据披露后会有新增报告。文档多为PDF或DOCX格式，结构包含政策摘要、装机量统计、整机参数、项目成本、市场份额分析等模块。字段单位包含GW（装机容量）、MW（机组功率）、元/kW（单位成本）等，部分报告包含单项目的建设周期数据。
这些特征在「文档解析与分块」这一环带来什么约束
风电研报的多源异构特征，要求解析环节兼容PDF文本提取、表格OCR识别，部分老旧报告的嵌套表格结构会增加分块难度。更新频率高且突发报告多，要求解析支持批量快速处理，避免超时中断。专业参数与单位的绑定关系，要求分块时保留上下文关联，避免拆分后参数与单位脱节。单篇文档常达数十页，需要合理的分段阈值，避免将同一机组的完整参数拆分为多个块，影响后续检索匹配。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 1000 MB | 风电研报单篇PDF常达数十页，大文件批量上传需预留足够空间，避免上传失败 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 长文档解析需处理OCR与表格提取，默认超时时间不足以完成完整解析 |
chunk_size | 800–1200 字符 | 风电研报包含专业参数与上下文关联，过长分块会降低召回精度，过短会破坏参数完整性 |
chunk_overlap | 100–150 字符 | 保留参数与上下文的衔接，避免跨块的专业术语被拆分 |
custom_delimiter | 按实测标定 | Excel格式的风电装机统计表格需按行分隔，默认分隔符无法适配表格行结构 |
enable_table_parse | 开启 | 风电研报中的装机数据、参数表格需完整提取，避免表格内容被错误拆分 |
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：10 MB以上的DOCX格式风电研报上传后，解析进度停滞超过10分钟。原因：未调整
PARSE_FILE_TIMEOUT_SECONDS参数，默认超时时间不足以处理长文档的表格解析与文本提取。 - 现象：Excel格式的风电装机统计表格导入后，多行数据被合并为单个分块。原因：未配置
custom_delimiter为换行符，默认分块规则未适配表格行分隔逻辑。 - 现象：导入包含精确参数匹配的风电研报后，相同内容的检索请求无法召回对应分块，新建空白知识库重复操作可正常召回。原因：首次导入时未开启
enable_table_parse，导致表格内的参数文本未被完整提取，后续配置修正后未重新解析旧文件。
怎么确认配好了
- 上传单篇最大尺寸的风电研报，查看上传进度与解析日志，确认未触发上传超时或解析失败报错。
- 导入Excel格式的风电装机统计表格，检查分块结果是否按单行为单位拆分，无多行合并情况。
- 输入研报中包含完整参数与单位的句子，验证是否能召回对应分块，确认分块未破坏专业内容的完整性。
- 批量上传3-5篇风电研报，查看解析队列的处理速度，确认未出现长时间堆积的情况。
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。