这个品类的数据长什么样
数据主要来自院线内部宣发管理系统、合作片方的营销通稿、影院线下活动策划文档、线上票务合作平台的营销素材包。更新节奏随新片定档、节假日营销活动按周或单日更新。文档包含结构化的排片表格、非结构化的活动方案与宣传文案，字段涵盖影片编号、场次时间、票价档位、活动规则、核销周期等，部分文档附带海报尺寸、投放渠道等附加信息，单位多为场次、元、人次。
这些特征在「文档解析与分块」这一环带来什么约束
结构化排片表格的字段关联性强，分块时需保留单场次或单影片的完整信息，避免拆分跨行的排片数据；非结构化的活动文案与宣传通稿段落较长，需结合语义断点完成分块，不使用固定长度作为分块依据；按周或单日更新的营销物料要求解析工具支持批量快速处理，适配高频更新的场景；部分文档附带海报投放说明的内嵌文字，需支持OCR解析提取非文本内容；多格式混合的文档类型，需兼容Excel表格、Word文档与PDF格式的解析规则，避免字段错位或内容丢失。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 适配影视院线营销文档混合结构化与非结构化的内容特征，保留单场次活动或单篇通稿的完整语义 |
chunk_overlap | 50–100 字符 | 保留相邻分块的上下文关联，避免拆分跨段的活动规则说明 |
ocr_switch | 开启 | 部分营销文档内嵌海报投放说明的图片文字，需通过OCR提取非文本内容 |
parse_mode | 混合模式 | 同时处理结构化排片表格与非结构化活动文案，兼顾字段提取与语义分块 |
batch_parse_timeout | 300 秒 | 适配批量处理单日更新的营销物料，避免解析任务超时中断 |
max_file_size | 50 MB | 院线营销文档多为单份不超过50MB的素材包，限制大小避免解析资源浪费 |
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：分块结果拆分了完整的活动规则段落，原因：使用固定长度分块规则，未采用语义断点分块，未匹配影视营销文档的长段落特征。
- 现象：上下文引用中未正确渲染Markdown格式内容，原因：解析时未保留原始文档的Markdown标签，或分块时截断了格式闭合标签。
- 现象：传入外部链接后无法解析文档内容，仅返回空结果，原因：未配置链接解析的允许域名，或v4.8.13版本中链接解析的超时参数设置过低。
怎么确认配好了
- 上传一份包含结构化排片表格与非结构化活动文案的测试文档，检查解析后分块是否保留单场次或单篇文案的完整语义。
- 开启OCR功能后上传包含内嵌图片文字的文档，检查解析结果是否包含图片中的文字内容。
- 批量上传单日更新的营销物料文档，检查解析任务是否在设定的超时时间内完成。
- 点击任意分块的chunk ID，检查界面是否支持复制操作，确认相关权限配置正确。
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。