这个品类的数据长什么样
水务营销相关数据主要来源于管网运维记录、水费收缴台账、节水宣传物料、线下活动方案、官方公示文档等渠道。更新节奏随业务场景变化：营销活动方案随活动周期更新，运维记录按月度归档，宣传物料随季节或政策调整。文档形态涵盖长文本PDF、结构化表格报表、扫描版海报等，字段包含供水片区范围、水费单价（元/立方米）、管网压力参数、活动参与规则等，部分文档包含非结构化的手绘标注或图片配文内容。
这些特征在「文档解析与分块」这一环带来什么约束
水务营销文档的多源多态特征，要求解析环节需适配不同格式的内容提取需求。长文本活动方案需按语义边界拆分，避免跨章节的规则混淆；结构化报表需保留字段与单位的关联，防止拆分后出现单价、用量等信息脱节。扫描版宣传物料需通过OCR提取文本，否则无法生成可检索的内容。同时，部分文档包含专业术语与自定义单位，分块时需保留上下文关联，确保检索时可完整匹配业务关键词。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_OCR_ENABLE | 开启 | 水务营销文档常包含扫描版海报、管网示意图等非纯文本内容，需通过OCR提取有效文本 |
MAX_SEGMENT_LENGTH | 800–1200 字符 | 水务文档含长段活动规则与运维说明，该区间可保留语义完整性，避免过度拆分导致检索逻辑断裂 |
PARSE_FILE_TIMEOUT_SECONDS | 120 秒 | 大型水务营销手册（含多页报表与高清配图）解析耗时较长，该时长可覆盖多数文件的解析需求 |
ENABLE_SEGMENT_SPLIT_BY_HEADING | 开启 | 水务文档多按章节划分营销活动、服务条款与运维说明，按标题分块可提升召回精度 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 部分水务营销物料包含高清管网地图，需支持大文件上传以完整保留素材信息 |
RECALL_SIMILARITY_THRESHOLD | 0.75–0.85 | 水务相关术语辨识度较高，该阈值可过滤无关召回结果，提升检索精准度 |
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：上传水务营销扫描版PDF后，搜索无结果且界面返回
500 解析失败状态码。原因：未开启PARSE_OCR_ENABLE配置，扫描版文档未被提取有效文本。 - 现象：启用
pdf marker高精度模式后，解析时抛出OCR Error报错。原因：文档内包含非标准字体的水务术语标注（如管网压力的手写备注），OCR引擎无法匹配训练集特征。 - 现象：在4.8.9版本简易模式下，单页节水宣传页未被自动解析。原因：未调整
PARSE_TRIGGER_CONDITION参数，默认解析规则仅对长文本文件触发，短文档未被纳入解析范围。
怎么确认配好了
- 上传单页水务营销海报PDF，查看解析后的文本块是否包含海报上的活动时间、参与条件与单位信息，确认OCR解析配置生效。
- 导入包含结构化水费报表的文档，检查分块后的内容是否按表格字段拆分，确认按标题分块的配置生效。
- 发起知识库搜索，输入水务相关术语（如供水半径、元/立方米），查看召回结果的相关性，调整相似度阈值至符合业务需求的区间。
- 上传500MB以内的大型水务营销手册，确认解析任务在设定的超时时间内完成，无超时报错。
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。