这个品类的数据长什么样
药物经济学注册申报资料的核心数据多源于临床试验报告、真实世界研究（RWE）数据、医疗成本数据库、医保支付政策文件以及各类模型分析报告。这些数据更新频率相对较低，通常随新药上市、适应症拓展或医保目录调整而更新。文档结构上，常见为PDF格式的报告，内部包含大量表格、图表和规范化文本。文本内容高度专业化，涉及药学、统计学和经济学等交叉领域。字段与单位具有强行业特性，例如成本效益分析中的“质量调整生命年（QALY）”、增量成本效益比（ICER）的货币单位（如“美元/QALY”），以及各种药物剂量、治疗周期、疾病发生率等医学统计单位。
这些特征在「文档解析与分块」这一环带来什么约束
药物经济学资料的专业性与规范性要求，对文档解析的准确度提出了高要求。文档中嵌入的表格和图表，需要解析工具能够准确识别其结构和内容，避免信息丢失或错位。由于文本中存在大量专业术语和缩写，分块时需保证上下文语义的完整性，避免因断句导致关键信息被截断。例如，一个完整的药物经济学模型描述或一个ICER计算过程，需要作为一个语义单元被保留。此外，数据单位的统一性也是一个重要考量，解析时需要能识别并关联不同表达形式下的相同单位，以确保后续检索的精确性。文件尺寸可能较大，包含多页表格或附录，对解析时长和内存消耗构成挑战。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 药物经济学报告中，关键概念和论证过程通常包含较多上下文，此长度有助于保持语义完整性。 |
分段重叠 | 100–200 字符 | 确保相邻块之间有足够的上下文重叠，以应对检索时可能出现的边界问题，特别是涉及复杂模型描述时。 |
解析类型 | 自动识别并优化 | 优先使用系统默认的智能解析，其对表格和图表文本提取有较好支持，减少手动干预。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 药物经济学报告可能包含大量页面和复杂结构，延长超时时间以避免因文件过大或结构复杂导致的解析中断。 |
MAX_CHUNK_SIZE_KB | 500 KB | 考虑到报告中可能包含大量文本和表格数据，适当放宽单块大小限制，以适应内容密度。 |
容易做错的三处
- 文档解析报错
Cannot redefine property: toString：这通常是由于上传的文件在处理过程中，内部数据结构与系统某些组件冲突，可能与特定PDF解析库的版本不兼容有关。 - 知识库文档切分后，检索结果缺乏关键数据：原因在于默认分块策略未能有效识别并保留报告中的关键表格或图表内容，导致这些结构化信息在向量化时被碎片化。
- 相同CSV文件在升级后无法正常分块：这可能是由于系统升级引入了新的解析逻辑或依赖库更新，导致对特定CSV文件编码或格式的处理方式发生变化，引起兼容性问题。
怎么确认配好了
- 选取典型药物经济学报告，上传后检查知识库中的分块预览，确保关键表格和图表内容被完整提取并分块。
- 针对报告中的核心概念和指标（如“QALY”、“ICER”、“成本效益比”），执行检索操作，验证是否能召回包含这些概念的完整语义段落。
- 核对解析日志，确认没有出现因文件大小、解析时长或内部错误导致的解析失败记录，特别是针对大型PDF文件。
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。