这个品类的数据长什么样
水产养殖财报数据主要来自规模养殖主体的养殖台账、饲料采购凭证、出货交割单、渔业监管部门抽检报告，以及上市主体公开的年度、半年度水产板块财报。更新节奏随主体规模变化，散户以月度为周期，规模企业按季度提交内部核算报表，公开财报则遵循年度、半年度固定节奏。文档结构包含苗种投放量、饲料消耗、水体理化指标、出货量与单价、成本核算等模块，字段单位多为亩、千克、吨、mg/L、元/千克等具象计量值，无复杂嵌套的金融衍生字段。
这些特征在「文档解析与分块」这一环带来什么约束
水产养殖财报的多页面分散字段、具象计量单位多样性，以及部分主体的扫描件格式，对文档解析与分块带来多重约束。单份年度财报或全周期台账可能包含数十至上百页内容，批量解析时易触发超时限制。不同养殖池的水体指标、投料记录分散在不同页面，分块时需保留相邻页面的上下文关联，避免割裂同一养殖单元的完整数据。扫描件格式的台账需依赖精准的OCR解析，若解析出错会导致后续分块丢失关键计量字段。同时高频更新的月度台账需支持批量解析，对并发处理能力有额外要求。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 单份百页水产养殖财报解析耗时通常在400-550秒，600秒可覆盖多数场景，避免超时中断 |
UPLOAD_FILE_MAX_SIZE | 1024 MB | 扫描版年度养殖台账单文件大小通常不超过700MB，预留足够上传空间 |
maxChunkSize | 800–1200 字符 | 单条完整养殖业务数据单元（如某池月度投料+水体指标）通常在800字符以内，过长会导致召回关联断裂 |
chunkOverlap | 100–150 字符 | 需保留相邻页面的养殖池与对应参数的上下文关联，避免分块割裂同一业务单元 |
RECALL_TOP_K | 前 3–5 条 | 水产财报的核心分析数据通常集中在3-5个相关分块，过多召回会引入无关业务数据 |
SIMILARITY_THRESHOLD | 0.75 | 过滤重复的饲料采购记录、水体检测数据，保留核心业务字段 |
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：调用
pdf-marker解析超过50页的水产养殖财报时，任务持续等待无返回，最终触发超时报错。原因：未调整PARSE_FILE_TIMEOUT_SECONDS参数，默认取值通常不足500秒，无法覆盖百页文档的解析耗时。 - 现象：调用
doc2x解析超过200页的水产养殖全周期台账时，返回解析失败报错。原因：doc2x对单文件页数上限的默认限制为150页，水产养殖的全周期台账常超出该阈值，导致解析中断。 - 现象：本地部署
pdf-marker v4.9.0后，在FastGPT页面调用时返回Cannot read properties of undefined (reading 'xxx')报错。原因：未正确配置pdf-marker的环境变量，或版本依赖包存在版本冲突，导致解析服务启动时缺失关键依赖字段。
怎么确认配好了
- 上传一份单页水产养殖财报扫描件，查看解析结果的字段完整性，确认OCR识别的水体指标、投料数据无缺失。
- 上传一份100页左右的年度养殖台账，查看解析任务的耗时是否在预设的
PARSE_FILE_TIMEOUT_SECONDS范围内，无超时中断。 - 查看分块后的结果列表，确认同一养殖池的投料、水体指标数据未被割裂到不同分块中。
- 测试召回功能，输入对应养殖池的分析关键词，查看返回的分块是否包含该池的相关数据，无无关业务内容混入。
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。