这个品类的数据长什么样
药物经济学数据通常来源于临床试验报告、真实世界研究（RWE）、卫生技术评估（HTA）报告、国家医保目录调整文件以及药品上市后监测报告。这些文档的更新频率取决于政策变动、新药上市和研究进展，通常为季度或年度更新。文档结构复杂，包含大量图表、表格、附录和参考文献，正文部分常以章节形式组织。字段方面，涉及生命质量调整生命年（QALY）、增量成本效果比（ICER）、疾病负担、药物成本、治疗效果、不良事件发生率等，单位包括美元/QALY、年、百分比、人等，且常有不同国家和地区的货币与汇率转换。
这些特征在「文档解析与分块」这一环带来什么约束
药物经济学文档的复杂结构，特别是图表和表格的密集分布，对传统文本解析方法构成挑战，可能导致关键数据丢失或上下文割裂。多源异构数据意味着在分块时需考虑来源差异，确保相关数据能被有效关联。字段和单位的多样性要求解析器能识别并保留数值与单位的对应关系，避免混淆。更新频率决定了知识库需要支持增量更新和版本管理，确保检索结果的时效性。此外，不同国家和地区的货币及汇率转换，对数值的准确提取和标准化提出了额外要求，分块时需确保相关换算逻辑能被保留或关联。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500–800 字符 | 兼顾上下文完整性与检索效率，避免单一分块过长导致信息冗余或过短导致语义不全。 |
分段重叠 | 50–100 字符 | 确保分块之间有足够的上下文衔接，提升RAG召回的准确性。 |
ENABLE_TABLE_PARSING | true | 文档中包含大量关键表格数据，启用表格解析能有效提取结构化信息。 |
IMAGE_OCR_ENABLED | true | 许多报告中的图表以图片形式嵌入，OCR识别可提取图片中的文本信息。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 大型报告解析耗时较长，适当延长超时时间可避免解析中断。 |
CHUNK_STRATEGY | 按章节及标题 | 药物经济学报告通常结构严谨，按章节分块有助于保持内容的逻辑完整性。 |
容易做错的三处
- 解析结果中表格数据缺失或错位，现象为检索返回的数值不完整或与原文不符，原因是没有启用表格解析功能或解析器未能正确识别复杂表格结构。
- 检索结果中关于货币或单位的换算信息不准确，现象为返回的数值未经过对应国家或地区的汇率转换，原因在于解析时未将换算规则或相关参考数据作为有效上下文一同分块。
- 知识库更新后，新数据未能及时反映在检索结果中，现象为用户查询最新政策或研究进展时返回旧有信息，原因是没有配置增量更新机制或更新频率与数据源更新不同步。
怎么确认配好了
- 选取包含复杂表格和图表的典型药物经济学报告，上传并检查解析后的分块内容，确认表格和图表中的关键数据是否被准确提取并纳入分块。
- 针对涉及多国货币和单位转换的文档，进行RAG检索测试，核对返回结果中数值的单位和货币类型是否与原文一致，并验证相关换算逻辑是否能被有效召回。
- 模拟数据更新场景，上传新版报告或修订文件，执行增量更新操作，然后检索与更新内容相关的问题，确认知识库已反映最新信息。
- 检查解析日志，确认是否存在大量解析失败或超时错误，若有，需根据错误信息调整配置或检查文件格式。
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。