这个品类的数据长什么样
DTP 药房产品的核心数据来源于药品生产企业的官方产品说明书、药店内部的促销活动文档、患者用药指南以及相关法规文件。这些文档通常以 PDF、Word 或扫描图片形式存在。更新节奏方面，新药上市、药品说明书修订、促销政策调整会触发数据更新，频率从每月数次到每季度一次不等。文档结构上，药品说明书具有固定的章节划分，如【药品名称】、【适应症】、【用法用量】等。促销活动文档则结构灵活，常包含产品列表、折扣信息和有效期。字段与单位方面，药品剂量常以“mg”、“g”表示，用法用量涉及“次/日”、“片/次”，而价格和折扣则以“元”、“%”为单位。
这些特征在「文档解析与分块」这一环带来什么约束
药品说明书的固定章节结构要求解析时能识别并保留逻辑分段，以确保相关信息聚合。例如，【不良反应】与【注意事项】应保持独立分块，避免交叉，影响咨询准确性。促销活动文档的灵活结构和高更新频率，则要求解析器具备较强的版面自适应能力，能快速处理不同布局，并能高效更新知识库，及时反映最新优惠。图片格式的文档，特别是扫描件，对 OCR 能力提出要求，需确保文字识别的准确性。同时，医学术语和计量单位的准确识别与上下文关联，对于构建精准的问答系统至关重要，需要避免因分块不当导致单位信息丢失或误解。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 50 MB | DTP 药房产品说明书及相关文档普遍较大，确保能处理大部分文件。 |
分段长度 | 800–1200 字符 | 兼顾信息完整性和召回效率，避免单个分块信息过少或过多。 |
分段重叠长度 | 100–200 字符 | 确保上下文连续性，减少因分块截断导致的信息丢失。 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 应对复杂 PDF 和 OCR 识别的耗时，防止解析超时失败。 |
ENABLE_OCR | True | 考虑到存在大量扫描版药品说明书和图片格式促销文档。 |
SPLIT_BY_HEADING | True | 利用药品说明书的固定章节结构，提高分块逻辑性。 |
容易做错的三处
- 上传文件后知识库内容为空，后台日志显示
Error: OCR failed。这通常是由于图片质量过低或 OCR 引擎配置不当导致文字识别失败。 - 用户咨询药品用法用量时，回答中出现剂量单位错误或缺失。这通常是由于文档分块时将关键的数字和单位拆开，导致上下文关联性差。
- 系统对最新促销活动无法进行准确回答，即使文件已上传。这通常是因为解析器未能正确识别促销文档的动态结构，导致关键信息未被有效提取或分块。
怎么确认配好了
- 随机选取 5 份不同来源、不同格式（PDF、Word、扫描件）的文档，上传后检查知识库中是否生成了对应的分块，并验证分块内容与原文是否一致。
- 针对上传的药品说明书，检查【适应症】、【不良反应】等关键章节是否被完整且独立地分段，确保没有出现跨章节分块或关键信息缺失的情况。
- 上传一份包含复杂表格或图片内容的促销活动文档，检查表格数据和图片文字是否被准确识别并纳入分块，验证其召回效果是否符合预期。
- 通过 API 接口上传一份修订后的药品说明书，检查知识库中对应旧版本的内容是否被正确更新或替换，并验证更新后的分块内容准确性。
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。