这个品类的数据长什么样
批记录审核的数据主要来源于药品生产过程中的纸质或电子批生产记录、批检验记录、物料平衡表等。这些记录通常以扫描 PDF、Word 文档或结构化数据导出文件形式存在。数据更新频率与生产批次同步，通常为每日或每周。文档结构高度标准化，包含固定表头、表格、签名栏和日期戳，例如生产指令、工艺参数、设备使用记录、环境监测数据等。字段包括批号、产品名称、生产日期、有效期、操作人员签名等，单位则严格遵循药典或行业规范，如 mg、g、L、℃、kPa。其中，表格数据占据重要比例，记录了关键生产步骤的详细参数和偏差情况。
这些特征在「文档解析与分块」这一环带来什么约束
批记录审核文档的高度结构化特性，特别是大量表格的存在，对文档解析提出了高要求。普通的文本分块方法可能导致表格内容被截断，丢失行与列之间的关联性。扫描 PDF 中的手写签名和批注，以及低分辨率扫描件，会增加 OCR 识别的难度，可能引入字符错误或漏识。文档中包含的特定术语和单位，如 USP、EP、GMP 等，需要解析器能够准确识别，避免误分或语义丢失。此外，批记录的连续性与关联性要求分块时能够保留相邻记录的上下文，以便后续检索能获取完整的生产过程信息。单一批次记录可能包含数十页甚至上百页，对单文件处理的时长和资源消耗构成挑战。
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 | 兼顾表格完整性和上下文关联，避免过大分块稀释信息密度 |
分段重叠 | 50 字符 | 确保上下文衔接，特别是跨页或跨表格内容 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 应对单批记录文档可能包含大量页数和复杂表格的解析时间 |
UPLOAD_FILE_MAX_SIZE | 200 MB | 适应扫描件可能较大，或单批记录文件合并上传的情况 |
PDF_OCR_ENGINE | PaddleOCR | 针对批记录中可能存在的手写批注和复杂表格结构优化识别效果 |
启用表格识别 | 开启 | 确保表格内容被正确解析并保留结构，避免数据扁平化 |
容易做错的三处
- 上传的批记录 PDF 文档中部分表格内容未被分块，或者表格行与列错乱。原因在于默认的文档解析器未能有效识别复杂表格边界或跨页表格。
- 导入的 Word 文档中，图片（如设备校准证书截图）在对话中无法显示。原因在于文档转换过程中，图片链接未被正确处理或转换为相对路径，导致前端无法加载。
- 解析批记录文件时，系统频繁报告
显存溢出错误。原因在于 OCR 引擎在处理高分辨率的扫描件或大批量文件时，GPU 内存分配不足或配置不当，例如PDF-marker的v0.1版本在特定驱动环境下资源管理不佳。
怎么确认配好了
- 选择一份包含复杂表格和手写签名的批记录 PDF 文档，上传至知识库，检查解析后的分块内容是否完整保留了表格结构和文本信息。
- 随机抽取 3-5 个分块，查看其
content字段，确认是否包含关键的生产参数、批号、操作人员等信息，且没有出现明显的截断或乱码。 - 使用包含特定单位（如
kPa、μg）和术语的批记录片段进行检索测试，验证是否能够准确召回相关分块，并检查召回分块的上下文完整性。
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。