这个品类的数据长什么样
siRNA 核酸药的临床试验预筛数据主要来源于研究机构、药厂发布的临床试验方案（Clinical Trial Protocol）、研究者手册（Investigator's Brochure）、知情同意书（Informed Consent Form）以及监管机构（如 FDA、EMA）发布的审批文件。这些文档通常以 PDF 格式为主，包含大量非结构化文本、表格、图表。文档结构高度标准化，遵循 ICH GCP 等国际规范，但具体内容会因药物靶点、适应症、试验阶段而异。字段包括但不限于药物名称、靶点基因、给药途径、剂量、受试者纳入/排除标准、安全性指标、有效性终点。单位涉及剂量（mg/kg）、时间（周、月）、生物标志物浓度（nM、µg/mL）。数据更新频率相对较低，主要集中在试验设计、中期报告和最终结果发布时。
这些特征在「文档解析与分块」这一环带来什么约束
siRNA 核酸药临床试验预筛文档的高度结构化和标准化为解析带来了便利，但其专业性和复杂性也提出了挑战。例如，受试者纳入/排除标准通常以多层嵌套的列表形式呈现，包含复杂的逻辑关系和特定医学术语，常规的段落分块可能无法完整保留其语义。药物剂量、给药频率等关键信息常散布在表格或特定段落中，需要精准识别和提取。此外，文档中可能包含大量生物学和医学缩写，对模型理解和分块的准确性构成考验。图表中的信息，如受试者招募流程图或安全性数据统计图，传统文本分块无法处理，需要考虑图像识别或元数据提取。这些因素共同要求文档解析与分块策略必须兼顾结构感知、语义完整性和专业术语识别。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800-1200 字符 | 平衡了语义完整性与召回效率，避免长段落稀释关键信息，短段落丢失上下文。 |
overlap_size | 100 字符 | 确保分块边界的上下文连续性，减少因分块截断导致的语义断裂。 |
segment_depth | 3 | 适用于解析临床试验方案中常见的嵌套列表结构，如纳入/排除标准。 |
table_parsing_strategy | auto_detect | 临床文档中表格多且格式多样，自动检测可提升表格内容解析的准确性。 |
enable_ocr | true | 部分旧版或扫描文档可能包含图像化文本，OCR确保信息不遗漏。 |
max_file_size_mb | 50 MB | 临床试验文档可能包含大量图表和详细描述，文件大小通常较大。 |
容易做错的三处
- 现象：模型回答不准确，遗漏了表格中的大量数据。原因：未启用或配置不当的表格解析功能，导致表格内容被视为普通文本或直接忽略。
- 现象：文档解析耗时过长或直接超时，返回
PARSE_FILE_TIMEOUT错误。原因：PARSE_FILE_TIMEOUT_SECONDS配置过低，无法处理包含大量复杂图表或扫描内容的超大PDF文件。 - 现象：分块后，受试者纳入/排除标准等复杂逻辑描述被拆解得支离破碎，影响后续检索效果。原因：
chunk_size过小或segment_depth未充分利用，未能保持多层级列表的语义完整性。
怎么确认配好了
- 随机抽取 5-10 份代表性文档，手动审查解析后的分块内容，核对关键信息（如药物剂量、靶点、受试者标准）是否完整且语义连贯。
- 对比解析前后的文档内容与结构，特别是复杂表格和嵌套列表，确保其在分块中得到正确识别和保留。
- 使用检索测试工具，针对文档中的特定关键问题进行检索，评估召回结果的准确性和完整性，并根据评估结果调整
相似度阈值。
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 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。