这个品类的数据长什么样
证券营销内容的数据源主要为券商内部生成的投教文章、研报摘要、活动邀约函、产品推广物料等。更新节奏随营销活动、研报发布及监管要求调整，无固定周期。文档结构通常包含固定合规抬头、产品核心信息、图文结合的宣传内容，字段包含6位数字格式的证券代码、以元/份为单位的产品净值、R1-R5分级的风险等级，且带有强制合规声明段落。
这些特征在「文档解析与分块」这一环带来什么约束
固定合规声明段落要求解析时不能被拆分到不同内容块，避免合规信息断裂。带单位的数字字段与分级风险等级，要求解析过程保留原始单位与分级标识，不可随意简化。图文结合的内容结构要求解析时关联图片与对应文字说明，避免出现图片与上下文脱节的情况。无固定更新周期的批量文档，要求解析环节支持大体积、多文件批量处理，且需适配不同格式的营销物料。强制合规段落的存在，要求分块时优先保留完整的合规上下文，不可截断关键声明。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
max_chunk_size | 800–1200 字符 | 证券营销文档包含固定合规段落与带单位的产品数据，过长块会割裂关联信息 |
chunk_overlap | 150–200 字符 | 需保留跨块的合规声明、产品代码等关键上下文，避免信息断裂 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 批量处理月度营销物料包时，避免因文档总量大触发超时 |
pdf_parser_type | pdf-marker@v0.1 | 适配证券PDF文档的复杂排版与内嵌图表，提升解析完整性 |
enable_image_caption | 开启 | 证券文档常附K线图、产品海报，需关联图片与对应文字说明 |
markdown_image_domain | 按实测标定 | 修复word转markdown后图片域名丢失的问题，确保对话中图片可正常加载 |
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
- 现象：部署
pdf-marker@v0.1时，日志报CUDA out of memory错误，且无法识别已安装的GPU。原因：未将宿主机GPU设备映射到docker容器，或cuda版本与容器内依赖版本不匹配。 - 现象：word文档导入后生成的markdown文件中，图片链接缺失域名前缀。原因：未配置
markdown_image_domain参数，仅在word原生导入时自动添加了域名。 - 现象：批量处理证券营销文档包时，解析任务触发
504 Gateway Timeout状态码。原因：未调整PARSE_FILE_TIMEOUT_SECONDS参数，默认超时时间不足以处理大体积批量文档。
怎么确认配好了
- 上传单份含合规声明与图表的证券营销PDF，检查解析后的markdown是否保留了完整的风险提示段落与图片关联。
- 查看解析任务日志，确认GPU设备被正常识别，无
CUDA initialization failed类报错。 - 上传word格式的营销文档，检查生成的markdown中图片链接是否带有预设的域名前缀。
- 批量上传3-5份同类型营销文档，确认解析任务未触发超时报错。
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。