这个品类的数据长什么样
siRNA 核酸药的制度文档主要来源于国家药品监督管理局（NMPA）、美国食品药品监督管理局（FDA）、欧洲药品管理局（EMA）等监管机构发布的法规、指南、技术审评要求，以及企业内部制定的标准操作规程（SOP）、质量管理体系文件。这些文档更新频率相对较低，通常随法规修订或新药审评审批实践的积累而发布。文档结构以层级分明的章节、条款为主，常包含大量专业术语、缩写、图表和参考文献。字段包括但不限于药物名称、适应症、作用机制、生产工艺、质量控制指标、临床试验数据、不良反应、贮藏条件等。单位涉及摩尔浓度（nM）、剂量（mg/kg）、温度（℃）、时间（h/day）等，且常伴随特定的检测方法和标准。
这些特征在「文档解析与分块」这一环带来什么约束
siRNA 核酸药制度文档的层级结构和专业术语密度，对文档解析的准确性提出较高要求。分块时需特别注意保持法规条文的完整性，避免因切分导致关键信息断裂。文档中包含的图表和参考文献，在文本解析阶段可能被忽略或解析不完整，影响后续问答的准确性。专业字段和单位的精确识别，是确保问答系统能正确理解和回答药物相关问题的基础。更新频率较低的特点，使得初期高质量的文档解析和分块尤为重要，可以减少后续重复工作。此外，不同监管机构的文档格式差异，也要求解析器具备一定的鲁棒性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 确保法规条文的语义完整性，同时兼顾检索效率。 |
分段重叠长度 | 100–200 字符 | 避免跨块语义丢失，提供上下文衔接。 |
分隔符 | \n\n 或 章节标题 | 优先依据文档的自然段落或章节结构进行切分。 |
解析模式 | 层级解析 | 适应法规和SOP的层级结构，保留文档固有的组织关系。 |
预处理脚本 | 按实测标定 | 处理专业缩写、图表描述提取、单位标准化等。 |
容易做错的三处
- 现象：检索结果中出现不完整的法规条文或SOP步骤。原因：
分段长度设置过小，导致语义单元被错误切断。 - 现象：特定药物的剂量或生产工艺参数无法被准确召回。原因：文档解析时未能有效识别并提取图表中的关键数据，或
预处理脚本对专业字段处理不足。 - 现象：上传文档后，部分文档内容在预览时显示为乱码或格式错乱。原因：文档编码或特殊字符未被解析器正确处理，或Markdown渲染引擎不支持文档中的特定格式。
怎么确认配好了
- 选择几份具有代表性的siRNA核酸药制度文档，上传并观察其分块预览效果，检查分块是否保持了语义完整性。
- 针对文档中的关键专业术语、剂量单位和法规条款，进行模拟提问，核对召回结果是否包含正确且完整的上下文引用。
- 检查知识库中已分块文档的元数据，确保关键信息如文档标题、来源、更新日期等被正确提取和关联。
- 对于包含图表或表格的文档，验证其内容是否被适当解析和提取为可检索的文本信息。
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。