这个品类的数据长什么样
单克隆抗体相关的制度与SOP文档，通常来源于药企内部质量管理体系、国家药品监督管理局（NMPA）、美国食品药品监督管理局（FDA）等机构发布的法规指南。这类文档更新频率相对较低，但一旦更新，往往涉及核心生产、质控流程的重大调整。文档结构以PDF、Word格式为主，包含大量图表、流程图、批记录模板和详细操作步骤。字段方面，常见批号、生产阶段、质控指标、检测方法、限度、设备编号等，单位涉及浓度（mg/mL）、纯度（%）、滴度、时间（h）、温度（℃）等，且对数值精度要求极高。
这些特征在「文档解析与分块」这一环带来什么约束
单克隆抗体制度文档的特点对解析与分块提出了特定要求。首先，PDF和Word中复杂的图表与流程图，需要解析器具备图像文字识别（OCR）能力，并能理解图文混合布局，避免关键信息遗漏。其次，法规指南和SOP文本往往逻辑严谨、层级分明，但单个段落可能较长，包含多个步骤或条件，自动分段易导致语义断裂。再者，批记录模板中的表格数据，需要按行或按单元格进行结构化提取，确保每个质控点或操作步骤的完整性。最后，对浓度、纯度等关键数值和单位的准确识别，直接影响问答的精确性，因此分块时需尽量保持数值与单位的紧密关联。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 500–800 字符 | 兼顾段落完整性与检索效率，避免单个分块过长导致语义分散，或过短丢失上下文。 |
chunk_overlap | 50–100 字符 | 确保相邻分块间有足够的重叠，弥补分段边界可能造成的语义割裂，特别是流程步骤描述。 |
split_by_title | True | 制度与SOP文档常有明确的章节标题，按标题切分能有效保持语义完整性，提升RAG效果。 |
enable_ocr | True | 应对文档中嵌有的流程图、批记录截图等图像信息，确保图中文本也能被解析。 |
table_parsing_strategy | auto | 自动识别并结构化解析文档中的表格，特别是批记录模板，确保表格数据可被检索。 |
max_file_size_mb | 100 MB | 考虑到SOP文档可能包含大量图片或附录，适当放宽文件大小限制。 |
容易做错的三处
- 文档解析后，关键的批记录表格数据在问答中无法被召回，原因是
table_parsing_strategy未启用或未正确识别表格结构，导致表格内容被当作普通文本进行无序分块。 - 用户提问某个操作步骤时，召回的答案仅包含步骤的一部分，缺少前置条件或后续影响，原因可能是
chunk_size设置过小，导致逻辑上关联紧密的语句被切分到不同块中。 - 上传PDF文档后，部分嵌入图片中的文字信息未能被检索到，报错日志显示OCR处理失败或耗时过长，原因可能是
enable_ocr未开启，或OCR引擎对复杂图片文字识别能力不足导致超时。
怎么确认配好了
- 上传一份包含复杂图表和表格的单克隆抗体SOP文档，检查解析后的分块预览，确认表格内容是否被结构化提取，图文信息是否完整。
- 针对文档中的特定操作步骤或质控限度进行提问，观察召回的分块内容，确保每个分块都包含完整的逻辑单元，无语义缺失。
- 使用文档中嵌入图片内的文字信息进行提问，验证OCR功能是否成功识别并索引了图片中的文本。
- 对比解析前后，文档中涉及浓度、纯度等数值和单位的字段，确保解析后这些关键信息未被截断或错误识别。
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。