这个品类的数据长什么样
该品类的数据主要来自广告平台后台、国家企业信用信息公示系统、客户提交的开户申请材料、行业准入规则。日常处理的文档包含开户申请表单、营业执照扫描件、对应行业的经营资质文件、历史开户审核记录。数据更新频率为每日或随每一笔开户申请同步更新，文档结构多为结构化表单、扫描件PDF或半结构化的审核台账，字段包含主体名称、统一社会信用代码、投放行业类目、审核节点状态等，无统一固定的排版规范。
这些特征在「文档解析与分块」这一环带来什么约束
该品类的多源异构文档特征，对解析与分块环节带来多重约束。不同来源的文档格式差异显著，既有结构化表单的规整排版，也有扫描件PDF的乱序内容，需适配灵活的解析逻辑。按申请实时更新的数据要求，解析流程需支持低延迟处理，避免影响开户审核的整体时效。审核相关字段需保留主体资质、行业类目等关联信息，分块时不能割裂上下文关联，同时需兼容非标准化的字段命名，难以依赖固定键名完成匹配。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunkSize | 800–1200 字符 | 适配开户申请、资质文件的单块信息密度，避免拆分后丢失资质核验所需的上下文 |
chunkSplitter | 按段落+标题分割 | 匹配审核文档多为段落式说明、带标题分类的结构，保留字段间的逻辑关联 |
customPdfParse | 开启OCR模式 | 适配客户提交的营业执照、资质文件多为扫描件的场景，提取图片中的文本内容 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 覆盖大体积资质文件的解析耗时，避免因超时导致开户审核流程中断 |
UPLOAD_FILE_MAX_SIZE | 100 MB | 兼容单份多页资质文件的上传需求，满足单次审核的材料提交上限 |
chunkSettingMode | 手动配置 | 支持针对不同类型的审核文档调整分块参数，适配多源异构的文档结构 |
容易做错的三处
- 调用文档解析环节出现
Cannot read properties of undefined报错，原因是未开启customPdfParse模式处理扫描件资质文件，导致解析引擎无法提取图片内嵌的文本内容。 - 分块结果出现高比例重复内容，原因是未适配审核文档的结构化排版，错误使用通用分块规则导致同一段资质信息被多次拆分纳入不同分块。
- 召回的历史审核记录条数不符合实际需求，原因是未结合开户审核的日更频率调整分块后的上下文匹配范围，导致冗余旧数据被优先召回。
怎么确认配好了
- 在FastGPT v4.17.0版本中，上传一份扫描件营业执照，查看解析结果是否提取出统一社会信用代码、主体名称等核心字段，确认
customPdfParse配置生效。 - 调整
chunkSize参数后，上传一份开户申请表单，检查分块后的内容是否完整保留单条审核节点的完整信息，无割裂情况。 - 上传单份100 MB以内的多页资质文件，确认解析流程未触发超时错误，验证
PARSE_FILE_TIMEOUT_SECONDS配置合理。 - 提交多份不同格式的审核文档，检查分块规则是否适配各自的排版结构，确认
chunkSettingMode的手动配置生效。
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 2026-10-19，文中适用性按 FastGPT v4.17.0 基线讨论；部署前需核对实际版本。