fix(docreader): remove default 100-page limit for DOCX parsing

The default DOCREADER_DOCX_MAX_PAGES=100 silently truncates large
documents, causing users to see at most ~1000 chunks regardless of
document length. Change the default to 0 (no limit) so all pages are
processed. Operators who need a cap can still set the env var.

Fixes #719

.env.example

@@ -386,9 +386,9 @@ DOCREADER_ADDR=docreader:50051
 # Docreader 连接方式
 DOCREADER_TRANSPORT=grpc
 
-# Docreader 中 DOCX 解析的最大页数，默认 100
-# 用于限制超大 Word 文档的解析开销；超过页数的内容将不会继续解析
-# DOCREADER_DOCX_MAX_PAGES=100
+# Docreader 中 DOCX 解析的最大页数，默认 0（不限制）
+# 设为正整数（如 500）可限制超大 Word 文档的解析开销；超过页数的内容将不会继续解析
+# DOCREADER_DOCX_MAX_PAGES=0
 
 # 如果使用Weaviate作为向量存储，需要配置以下参数
 # 注意：容器内访问请使用 service:port（不要用 localhost，也不要用宿主机映射端口）

docreader/config.py

@@ -73,7 +73,7 @@ def load_config() -> DocReaderConfig:
         * 1024
     )
     grpc_port = _get_int(["DOCREADER_GRPC_PORT", "PORT"], 50051)
-    docx_max_pages = _get_int(["DOCREADER_DOCX_MAX_PAGES"], 100)
+    docx_max_pages = _get_int(["DOCREADER_DOCX_MAX_PAGES"], 0)
 
     external_http_proxy = _get_str(
         ["DOCREADER_EXTERNAL_HTTP_PROXY", "EXTERNAL_HTTP_PROXY"], ""

docreader/parser/docx_parser.py

@@ -97,6 +97,8 @@ class DocxParser(BaseParser):
         """
         super().__init__(**kwargs)
         self.max_pages = CONFIG.docx_max_pages if max_pages is None else max_pages
+        if self.max_pages <= 0:
+            self.max_pages = 100000  # no limit (matches Docx.__call__ default)
         logger.info(f"DocxParser initialized with max_pages={self.max_pages}")
 
     def parse_into_text(self, content: bytes) -> DocumentModel: