这个品类的数据长什么样
燃气公用事业的财报数据主要来自上市公司年度/季度报告、月度运营简报及属地燃气监管部门的供气统计文件。更新节奏分为年度、季度与月度三类，对应完整财报、阶段性运营数据与实时供应简报。文档结构通常包含营收分类、采购与运维成本、管网基础设施数据、终端用户规模、供气总量等字段，单位多为立方米、万元、公里等。
这些特征在「文档解析与分块」这一环带来什么约束
燃气财报多来源的文档格式差异显著，正式年报为结构化docx或标准pdf，月度运营简报可能为扫描件或非标准化文本，对解析引擎的格式适配能力提出明确要求。财报内字段关联性较强，供气总量、营收规模与用户数存在直接关联，分块时需保留上下文关联以避免语义断裂。月度简报更新频率高，单次批量解析的文档数量较多，需适配批量处理的效率要求。部分细分字段存在计量口径差异，分块时需保留单位标注的上下文信息，防止字段信息丢失。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 1000 MB | 燃气财报的单份年报pdf通常可达500-800MB，需预留足够上传空间 |
maxChunkSize | 800–1200 字符 | 燃气财报包含多组关联字段，分块长度需覆盖完整的成本/营收段落，避免拆分语义单元 |
chunkOverlap | 100–150 字符 | 保留相邻分块的重叠内容，确保供气总量、营收等关联字段的上下文连贯性 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 单份大型年报解析耗时较长，需延长超时阈值避免任务中断 |
enable_table_parse | 开启 | 燃气财报包含大量结构化表格（如成本明细、用户结构），开启表格解析可保留原始字段结构 |
minerU_api_url | 按实测标定 | 适配MinerU的API接口，用于处理非标准格式的燃气月度简报文档 |
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
- 个别docx文档解析失败，现象为上传后显示解析失败，日志返回
400 Bad Request错误，原因是部分docx包含内嵌的OCR图层或非标准化排版，默认解析引擎无法识别完整内容。 - 部分表格无法分块，现象为知识库中表格内容被拆分为零散文本块，核心字段丢失，原因是使用4.9.6版本的默认分块逻辑，未开启表格解析开关，该版本的表格解析处理逻辑与燃气财报的结构化表格适配度不足。
- GPU识别失败与显存溢出，现象为安装pdf-marker:v0.1后，docker容器内未检测到GPU，启动后报
CUDA out of memory错误，原因是cuda版本12.8与pdf-marker:v0.1的兼容匹配度不足，且未限制容器显存使用上限。
怎么确认配好了
- 上传一份100MB以上的燃气年报pdf，查看上传进度是否正常完成，无超时报错提示。
- 上传包含结构化表格的燃气财报文档，查看知识库分块结果中是否保留完整的表格字段与行列结构。
- 查看容器运行日志，确认
minerU_api_url配置项已正确填写，无连接超时类报错。 - 测试批量上传3份以上的燃气月度简报文档，确认解析任务可同时启动且无异常中断。
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。