火山引擎知识库单文件上限为50mb（csv/excel另限≤100万行）；超限需拆分：pdf按80–120页或二级标题分割，csv用split命令切片并补表头；≥500mb文件应通过tos分片上传+异步导入。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
火山引擎知识库上传文件时提示“文件太大”，说明当前文件已超出平台单次上传的容量限制，必须在入库前完成合理拆分才能继续推进。
确认火山引擎知识库的单文件大小上限
进入火山引擎控制台 →【智能体】→【知识库】→【创建/编辑知识库】页面，点击右上角「帮助」或「文档」链接，定位到「支持的文件格式与大小限制」章节。当前（2026年10月）明确要求：单个本地上传文件不得超过 【50MB】；若为 CSV/Excel 类结构化文件，还额外限制行数 ≤ 100 万行。超限文件直接被前端拦截，不会进入解析队列。
文本类大文件（PDF/Word/TXT）手动拆分法
适用于需保留语义连贯性、但原文无严格章节结构的长文档，如产品白皮书、技术手册扫描件。
方法一：按页数等分 + 人工校验断点
打开 PDF 阅读器（如 Adobe Acrobat 或 SumatraPDF）→ 查看总页数 → 用「导出为 PDF」功能，每次导出连续 80–120 页 → 导出后立即用文本提取工具（如 pdftotext）抽样检查末尾段落是否完整，【避免在列表项、代码块、表格中间硬切，否则向量化后语义断裂】。
方法二：按自然段落聚类拆分
将全文复制进 VS Code → 安装「Document This」插件 → 按 Ctrl+Shift+P 调出命令面板 → 输入「Split by Heading」→ 选择二级标题（##）作为分割锚点 → 自动生成多个 Markdown 文件 → 每个文件保存前手动合并相邻过短段落（
CSV/Excel 类结构化文件自动拆分操作
第一步：用 pandas 读取并估算内存占用
运行 Python 脚本：import pandas as pd; df = pd.read_csv("large.csv", nrows=1000); print(df.memory_usage(deep=True).sum())，若每千行占 >8MB，则整表极可能超限。
第二步：按行数均匀切片并保留表头
执行以下命令（Linux/macOS）：split -l 80000 --additional-suffix=.csv large.csv chunk_ && sed -i '1d' chunk_* → 此命令将原 CSV 每 8 万行切一片，并删除后续每个分片的首行（即重复表头）。
第三步：为每个分片重新写入标准表头
新建 header.csv 存放原始第一行 → 执行：for f in chunk_*; do cat header.csv "$f" > "fixed_$f"; done → 得到所有带完整表头的合规分片文件。
使用火山引擎 TOS 分片上传 + 知识库异步导入
当原始文件 ≥ 500MB 且无法人工预处理时，绕过控制台直传，改用对象存储中转：
① 在火山引擎 TOS 控制台创建专用桶（如 kb-import-202610），开启「多版本控制」和「服务端加密」；
② 使用 volcengine-tos SDK 的 upload_file 方法上传大文件（支持自动分片，单文件不限大小）；
③ 上传完成后，在知识库「数据源」中选择「TOS 对象存储」→ 填写 Bucket 名称、Object Key、Region → 启用「自动解压与结构化解析」→ 提交任务。
这一步会触发后台异步处理，系统自动完成格式识别、文本抽取、分块向量化全流程，无需人工干预拆分逻辑。
