这个品类的数据长什么样
焦煤的数据来源包括煤矿生产日报、港口通关单据、行业协会供需周报、现货交易台账、专业研报等。更新节奏覆盖每日现货价格变动、每周港口库存数据、每月供需平衡表。文档形态包含结构化Excel交易表格、PDF格式的研报与单据、扫描版纸质提货单。字段包含灰分、硫分、粘结指数、胶质层厚度等专业指标，单位多为百分比、克/克、毫米、元/吨等，部分文档会混合结构化字段与非结构化说明文本。
这些特征在「文档解析与分块」这一环带来什么约束
焦煤数据来源多样，存在结构化表格与非结构化文本混合的文档，要求解析环节同时适配两种格式；更新频率较高的现货与交易数据，需要支持增量解析以减少重复处理；专业指标的字段关联紧密，分块时需保留跨字段的上下文，避免破坏指标组合；扫描版单据占比不低，需依赖OCR完成文字识别；批量交易台账的单文件体积较大，需适配大文件解析的资源配置。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_OCR_ENABLE | 开启 | 焦煤文档包含大量扫描版港口单据与纸质研报，需通过OCR提取文字内容 |
PARSE_TABLE_STRUCTURE | 保留原始行列结构 | 焦煤交易表格包含灰分、粘结指数等专业字段，需完整保留结构以避免字段关联丢失 |
CHUNK_SIZE | 800–1200 字符 | 适配焦煤研报与交易数据的单块信息密度，平衡上下文完整性与检索精度 |
CHUNK_OVERLAP | 100–150 字符 | 保留跨分块的专业指标关联，避免关键指标被拆分至不同块中 |
UPLOAD_FILE_MAX_SIZE | 2000 MB | 适配焦煤批量交易台账的单文件体积上限，避免大文件上传失败 |
PARSE_TIMEOUT | 600 秒 | 覆盖大体积扫描文档与批量台账的解析耗时，防止中途超时中断 |
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
- 上传扫描版焦煤PDF后解析结果字段为空，原因是未开启
PARSE_OCR_ENABLE配置，无法识别扫描图像中的文字内容。 - 上传焦煤交易Excel文件后向量化索引结果异常，原因是未开启
PARSE_TABLE_STRUCTURE配置，导致表格字段被打散为零散文本，丢失关联关系。 - API上传焦煤大体积台账文件后返回
413 Request Entity Too Large错误，原因是未调整UPLOAD_FILE_MAX_SIZE配置至适配文件体积的取值。
怎么确认配好了
- 上传单份扫描版焦煤港口单据，检查解析结果是否提取出灰分、硫分等专业指标，确认OCR配置已生效。
- 上传焦煤月度交易Excel台账，检查解析后的分块是否保留完整的交易字段与行列结构，确认结构化解析配置已开启。
- 上传批量焦煤供需研报PDF，检查解析后的分块是否按逻辑单元拆分，确认分块参数配置符合文档信息密度。
- 调用API上传大体积文件，检查返回的状态码为
200 OK且无超时提示，确认上传与解析超时配置已正确设置。
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。