这个品类的数据长什么样
房建工程财报数据主要来源于项目立项文件、月度进度台账、竣工结算报告及年度审计报告。更新节奏随项目节点与财报周期推进，覆盖项目全周期。文档形式包含PDF审计报告、Excel成本明细表格、Word进度说明，部分为扫描件转换的PDF。字段包含建筑面积（平方米）、单项工程造价（万元）、材料采购量（吨）、工期（日历天）等，不同文档的字段排版差异较大，部分表格存在合并单元格与跨行数据。
这些特征在「文档解析与分块」这一环带来什么约束
房建工程财报的多源异构文档特征，对解析与分块环节带来多重约束。PDF审计报告、Excel成本表与扫描件转换文档混合存在，需同时支持原生文本解析、表格结构还原及OCR图片文本提取。部分表格存在合并单元格与跨行数据，常规分块逻辑易丢失字段关联，需保留行列结构，不打散文本。不同文档的字段排版差异较大，需避免强制统一格式导致的信息错位。财报数据的单位绑定要求明确，分块时需保留数值与对应单位的关联关系。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_OCR_ENABLE | 开启 | 房建工程财报存在大量扫描件形式的竣工报告与台账，需通过OCR提取图片内嵌文本 |
PARSE_TABLE_RETAIN_STRUCT | 开启 | 房建工程财报表格存在合并单元格与跨行数据，保留结构可避免字段关联丢失 |
CHUNK_SIZE | 800–1200 字符 | 房建工程财报单块需包含完整的单项成本明细或进度款段落，避免拆分跨关联字段 |
CHUNK_OVERLAP | 100–150 字符 | 房建工程财报的成本明细与款项收付存在上下文关联，重叠分块可保留关联信息 |
PARSE_TABLE_EXTRACT_MODE | 按行列合并输出 | 房建工程财报表格的合并单元格较多，按行列合并可完整还原字段与数值的绑定关系 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 大型竣工结算PDF包含多页复杂表格，需足够时间完成全量解析 |
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Excel格式的房建工程成本台账后，知识库召回结果仅包含零散文本，无完整表格结构。原因：未开启
PARSE_TABLE_RETAIN_STRUCT配置，默认打散表格单元格内容导致字段关联丢失。 - 现象：扫描件形式的竣工报告上传后，仅召回纯文本内容，未关联内嵌的进度款表格图片。原因：未开启
PARSE_OCR_ENABLE配置，或未配置图片文本召回关联逻辑。 - 现象：分块后出现单项造价被拆分到两个段落，无法通过上下文关联数值与单位。原因：将
CHUNK_SIZE设置为token数量，未匹配房建工程财报的字符型字段排版习惯，导致拆分逻辑不符合文档结构。
怎么确认配好了
- 上传一份包含扫描件的房建工程财报PDF，检查解析结果是否包含图片内嵌的文本内容，确认
PARSE_OCR_ENABLE配置生效。 - 上传一份包含合并单元格的Excel成本表格，检查解析后的文本是否保留行列结构，确认
PARSE_TABLE_RETAIN_STRUCT配置生效。 - 查看分块日志，确认分块长度的统计单位为字符，不使用token，匹配
CHUNK_SIZE的配置逻辑。 - 上传大型竣工结算文档，检查解析任务是否在设定时间内完成，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。