这个品类的数据长什么样
医药电商平台的数据主要来源于合作药企、医疗器械厂商提供的产品说明书、注册证、批文、质检报告以及用户生成的商品评价。这些文档的更新频率较高，特别是药品说明书和注册批文，会因政策调整、生产工艺改进或不良反应报告而发生修订。文档结构多样，PDF 格式的产品说明书通常包含目录、适应症、用法用量、禁忌、不良反应等标准章节；而批文和质检报告则多为结构化或半结构化的表格数据。字段方面，特有的如通用名、商品名、剂型、规格、生产企业、批准文号、有效期、贮藏条件等，单位涉及 mg、ml、IU、盒、支等多种医学和计量单位。
这些特征在「文档解析与分块」这一环带来什么约束
医药电商产品文档的更新频率要求平台RAG系统能快速响应，确保知识库的时效性。文档结构的多样性，尤其是PDF中图表和图片内容，对解析器的准确性和完整性提出了挑战，可能导致文本提取不全或格式混乱。药品名称、批文号等特有字段的准确识别是核心，这些信息往往是用户查询的关键。同时，医学术语的专业性和严谨性，要求分块时能保持语义完整性，避免因截断导致误解。例如，关于“禁忌”或“不良反应”的描述，通常需要作为一个整体进行嵌入和召回。单位和数值的正确识别，对于剂量计算和产品比较至关重要，解析错误可能带来严重的后果。长文档，例如详细的产品说明书，需要合理的分块策略以提高召回效率和相关性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunkSize | 500–800 字符 | 兼顾语义完整性和召回效率，避免过长导致无关信息混入，过短则丢失上下文。 |
chunkOverlap | 50–100 字符 | 确保分块边界的上下文连续性，提高跨块信息召回的准确性。 |
maxContext | 4000 token | 适应医药产品说明书等长文档，确保模型能处理足够长的上下文信息。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 考虑到大型PDF文档解析的耗时，提供充足的处理时间，避免因超时报错。 |
embeddingModel | text-embedding-ada-002 或更高版本 | 保证专业医学术语的向量化质量，提高相似度匹配的准确性。 |
documentType | pdf, docx, txt, json | 覆盖医药电商常见文档格式，确保主流文件类型均能被有效解析。 |
容易做错的三处
- 解析长篇PDF文档时，系统显示“解析失败”或“文件内容为空”，原因常是
PARSE_FILE_TIMEOUT_SECONDS设置过短，未能完成复杂文档的提取。 - 知识库搜索结果中，关于药品剂量或特定注意事项的描述不完整，往往是
chunkSize设置过小，导致关键语义信息被截断到不同的分块。 - 上传多个产品说明书后，检索时无法区分具体是哪个产品的介绍，这是因为解析时未充分利用文件名或文档元数据进行分块归属标记。
怎么确认配好了
- 选择平台内支持的多种文档格式（PDF、DOCX、TXT），上传典型且复杂的医药产品说明书和批文，检查解析后的文本内容是否完整无误，特别是表格和图注部分的文本提取效果。
- 针对特定药品名称、批文号或适应症等关键词进行搜索，观察返回的分块内容是否相关且语义完整，并检查
chunkOverlap是否有效连接了上下文。 - 通过API或界面测试，上传一个包含大量特殊字符和医学单位的文档，验证解析器能否正确处理这些内容，并检查是否有乱码或单位丢失。
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。