这个品类的数据长什么样
焦炭相关的营销与行业数据主要来自行业协会发布的供需文档、现货交易平台的报价文件、钢厂采购需求函、企业自制的营销手册以及期货交割标准文件。更新节奏存在明显差异：现货类文档每日更新，行业研报按周或月发布，营销物料按需不定期更新。文档形态包含结构化数值表格、文字分析段落，部分为扫描版纸质报告转换件，部分文档包含嵌套的公式与图表。字段涵盖产地、报价、粒度范围、强度指标与供需数据，分别对应名称、货币单位、长度单位、标准试验分值与重量单位。
这些特征在「文档解析与分块」这一环带来什么约束
焦炭品类的数据来源覆盖多种形态，且更新节奏差异明显，给文档解析与分块带来多重约束。结构化的指标表格包含粒度、强度等专业字段，分块时需保留字段间的关联性，避免拆分跨字段的关联内容。扫描版的纸质研报与营销手册需先完成OCR预处理，否则无法提取有效文本内容。每日更新的现货报价文档内容紧凑，分块长度需适配短文本场景；而长周期的行业研报则需按章节拆分，保留完整的分析逻辑。部分文档包含嵌套公式与图表，解析环节需保留原始数据的结构完整性，防止分块破坏专业内容的可读性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
ocr_enabled | 对扫描版文档开启，非扫描版文档关闭 | 扫描版焦炭文档无法直接提取文本，需通过OCR转换为可编辑内容后再处理 |
max_chunk_size | 800–1200 字符 | 焦炭营销内容包含短文本报价与长文本行业分析，该区间可兼顾两类内容的完整性，避免拆分专业指标组合 |
chunk_overlap | 100 字符 | 焦炭的专业指标与分析内容常跨段落衔接，重叠分段可避免关键信息被拆分在两个分块中 |
keep_table_structure | 开启 | 焦炭的指标表格包含关联字段，保留表格结构可确保检索时的字段关联性，提升检索准确性 |
parse_timeout | 300 秒 | 大尺寸的扫描版研报与营销物料的OCR与解析需较长时长，该时长可覆盖绝大多数文件的处理流程 |
max_file_size | 500 MB | 覆盖绝大多数焦炭行业文档与营销物料的单文件大小阈值 |
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：上传扫描版焦炭文档后，知识库检索结果为空。原因：未开启
ocr_enabled配置项，无法提取扫描件中的有效文本内容。 - 现象：配置分块参数后，知识库搜索无法召回目标焦炭报价内容。原因：分块长度设置超出合理区间，或分块重叠长度不足，导致关键指标与关联内容被拆分在不同分块中。
- 现象：解析后的分块出现专业字段断裂，例如焦炭的强度指标与对应产地信息被拆分至两个分块。原因：未开启
keep_table_structure配置，或分块长度设置过小，破坏了表格内的字段关联性。
怎么确认配好了
- 上传一份测试用的扫描版焦炭文档，查看解析后的文本内容是否包含原始文档中的指标与文字，确认OCR配置是否生效。
- 上传一份包含结构化表格的焦炭营销手册，查看解析后的分块是否保留表格的原始结构，确认
keep_table_structure配置是否开启。 - 调整
max_chunk_size与chunk_overlap参数后，手动查看分块预览界面，确认专业指标与关联内容未被拆分至不同分块。 - 提交知识库搜索测试，输入文档中的专业术语或具体指标，确认可召回对应的分块内容，验证分块配置的合理性。
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。