这个品类的数据长什么样
商业物业的营销内容数据来源涵盖面向业主的租售方案、租金收益测算表、招商活动策划案、客流统计报表等，更新节奏随项目节点调整，招商筹备期高频更新，运营期按季度或半年度调整。文档格式包含PDF、Word、Excel，结构差异明显：部分为图文结合的完整项目手册，部分为单页活动通知，Excel台账常按楼栋、业态拆分多个表格。字段包含商铺号、建筑面积、套内面积、租金单价、业态类型、入驻品牌等，单位多为平方米、元/㎡/天、万元等。
这些特征在「文档解析与分块」这一环带来什么约束
多格式混合的文档要求解析环节支持全量格式适配，避免遗漏非PDF文档的解析。结构化表格占比高，需完整保留行列结构，防止转为混乱文本影响后续分析。图文结合的文档包含户型图、区位图等素材，需区分文本与原图，避免OCR破坏原始视觉信息。Excel台账多按楼栋、业态拆分多个sheet，需支持提取全部sheet内容，避免仅提取首sheet导致的数据遗漏。文档长度跨度大，从单页短文本到数十页长手册，需自适应调整分块粒度，保障上下文连贯性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
parse_mode | auto + retain_original_image | 商业物业文档多含户型图、区位图等素材，保留原图可避免OCR破坏原始视觉信息 |
table_parse_strategy | full_structure | 文档包含租金表、业态配比表等结构化表格，完整保留行列结构可保障后续检索准确性 |
chunk_size | 800–1200 字符 | 覆盖短文本活动通知与长文本招商方案的分块需求，平衡上下文连贯性与分块粒度 |
excel_parse_sheets | all | 商业物业Excel台账常按楼栋、业态拆分多个sheet，提取全部sheet可覆盖全量业务数据 |
parse_timeout | 300 秒 | 适配50页以上的大型招商手册解析需求，避免因文档过长导致解析中断 |
ocr_strategy | only_text_blocks | 仅对纯文本块触发OCR，保留图片类素材的原始格式，符合业务对原图的使用需求 |
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：导入Word/PPT格式的营销文档，勾选
pdf_enhance后，解析结果未保留原文档中的区位图，仅显示OCR后的文本描述。原因：PDF增强功能仅适配PDF格式文档，非PDF文档未触发原图保留逻辑。 - 现象：解析Excel格式的业态分布台账时，解析结果仅包含第一个sheet的内容，其余楼栋对应的sheet未被提取。原因：未将
excel_parse_sheets配置为all，默认仅解析第一个sheet。 - 现象：解析包含大量结构化表格的招商手册时，输出的分块内容中表格结构丢失，转为混乱的文本段落。原因：未将
table_parse_strategy配置为full_structure，默认以纯文本方式解析表格。
怎么确认配好了
- 上传单份含户型图的PDF招商手册，核对解析结果中是否保留原图嵌入，可根据业务对素材的使用需求调整原图保留配置。
- 上传包含多个sheet的Excel租金台账，核对解析结果是否包含所有sheet的内容与对应sheet名，确认sheet提取范围符合业务需求。
- 上传一份长文本Word营销方案，核对分块后的内容是否按配置的
chunk_size区间合理拆分，无过度截断或过长块。 - 上传一份含结构化表格的文档，核对解析结果是否保留完整的行列结构，未转为纯文本段落。
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。