这个品类的数据长什么样
旅游景区的营销内容文档主要来源于官方公众号推文、官网活动公告、合作渠道的宣传物料、内部活动策划文档及票务政策通知。更新节奏随运营节奏调整，节假日及旅游旺季前会集中更新活动方案、票务规则，日常每周更新1-2次。文档结构包含图文混排的长文本、表格化的票价与预约规则、带实景图片的宣传海报，字段涵盖景区名称、活动时段、票价档位、预约条件、周边配套信息，单位多为元/人次、天、公里等。
这些特征在「文档解析与分块」这一环带来什么约束
景区营销文档的图文混排特性，要求解析环节需同时提取文字与关联的图片说明，避免遗漏海报、实景图承载的营销信息；非标准格式的HTML宣传文档，若使用严格解析模式会过滤大量有效内容；表格化的票务规则与连贯的活动流程，若分块逻辑不当会拆分完整的规则单元，导致召回时信息不完整；高频更新的文档则要求解析环节具备足够的时效性，适配快速迭代的营销内容。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_IMAGE_ENABLE | 设为true | 旅游景区营销文档多含实景海报、活动配图，需提取图片关联文本以完整保留营销信息 |
maxChunkSize | 800–1200 字符 | 适配景区文档中长文本活动方案与表格化票务规则的长度，保留单条规则的完整上下文 |
PARSE_HTML_STRICT_MODE | 设为false | 景区营销文档多为公众号导出的非标准HTML，严格模式会过滤大量有效内容 |
chunkOverlap | 100–150 字符 | 避免拆分连贯的活动时间线、票务政策时丢失上下文关联 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 景区文档多为多页PDF或含大量图片的文件，需足够时间完成解析与资源加载 |
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
- 上传景区营销PDF后，解析结果仅包含纯文本，无图片相关内容。原因：未开启
PARSE_IMAGE_ENABLE配置项，导致海报、实景图的关联信息被过滤。 - 上传景区活动的HTML宣传文档后，知识库无有效召回内容，界面显示解析成功但字段为空。原因：开启了
PARSE_HTML_STRICT_MODE，非标准格式的HTML文档被大量过滤。 - 解析景区票务政策文档后，单条分块包含3个以上独立的票价档位，导致召回时无法精准匹配用户查询的特定档位。原因：
maxChunkSize设置过大，未针对表格化内容调整分块粒度。
怎么确认配好了
- 上传单页含实景图片的景区营销PDF，查看解析结果中是否包含图片的alt文本或内嵌文字说明，验证
PARSE_IMAGE_ENABLE配置生效。 - 上传景区公众号导出的HTML文档，验证知识库中是否能召回活动时间、票价等核心文字内容，确认
PARSE_HTML_STRICT_MODE配置正确。 - 拆分包含票务表格的文档，查看分块结果是否将单条票价档位或规则作为独立分块，确认
maxChunkSize与分块逻辑匹配。 - 上传10页以上的景区活动方案PDF，查看解析任务是否在600秒内完成，无超时报错，验证
PARSE_FILE_TIMEOUT_SECONDS配置合理。
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。