这个品类的数据长什么样
真实世界研究（RWE/RWD）的资料来源多样，包括电子病历、医疗索赔数据、注册登记表、患者报告结局（PRO）及可穿戴设备数据等。这些数据更新频率不一，部分数据如电子病历可能实时更新，而注册登记数据则可能按季度或年度批量导入。文档结构通常复杂，包含大量非结构化文本（如病程记录、医生诊断）与半结构化数据（如实验室检查结果、用药记录）。字段名称可能缺乏标准化，存在同义词、缩写或不同医疗机构间的命名差异。单位方面，除了常规的计量单位，还可能涉及生物标志物、量表评分等特有单位，需要精确识别。
这些特征在「文档解析与分块」这一环带来什么约束
RWE 资料的异构性对文档解析提出了挑战，需要强大的文本预处理能力来统一字段表示。高更新频率要求知识库具备增量更新机制，避免频繁的全量重建。复杂的文档结构，特别是长篇幅的非结构化文本，使得传统的分段方式可能割裂关键信息，导致上下文丢失。字段命名不规范增加了实体识别的难度，需要更智能的实体抽取和归一化策略。特有单位的存在，要求解析器能区分数值与单位，并正确处理不同单位间的换算，防止将单位误认为普通文本而影响语义理解。这些约束共同指向对文档结构化、语义理解和增量处理能力的更高要求。
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 | 平衡上下文完整性与检索效率，适应RWE长文本特点 |
分段重叠长度 | 200 字符 | 确保分段边界上下文连续，防止关键信息被截断 |
解析策略 | 智能分段（段落、标题、表格） | 适应RWE资料中混合的文本、表格结构，保持语义完整性 |
PARSE_FILE_TIMEOUT_SECONDS | 3600 秒 | RWE文档通常较大，需要更长的解析时间以避免超时 |
maxContext | 按实测标定 | 依据实际检索效果与LLM输入限制动态调整，保障召回质量 |
OCR_ENABLED | true | RWE资料常包含扫描件或图片形式的报告，确保内容可抽取 |
容易做错的三处
- 上传大型 PDF 文档时提示“解析失败”或“超时”。RWE 资料通常包含大量图片或复杂表格，默认的
PARSE_FILE_TIMEOUT_SECONDS可能不足以完成解析。 - 知识库检索结果出现大量不相关或破碎的信息。这是因为
分段长度设置过小，导致 RWE 资料中的长篇病程记录或研究报告被过度拆分，丢失了上下文。 - 表格数据无法被正确识别为独立的知识点。默认的文本解析策略可能将表格内容视为普通文本，
解析策略未启用对表格结构的识别。
怎么确认配好了
- 上传一份包含复杂表格和长篇描述的 RWE 样本文档，检查其在知识库中的分段预览，确认关键信息（如诊断、治疗方案）没有被不合理地割裂。
- 通过 FastGPT 的调试工具对知识库进行检索测试，输入 RWE 资料中的关键实体或事件，检查召回结果的完整性与相关性，判断
maxContext是否合适。 - 检查系统日志，确认在处理大型 RWE 文档时没有出现
PARSE_FILE_TIMEOUT_SECONDS相关的错误信息。
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。