这个品类的数据长什么样
医保结算药物警戒涉及的数据主要来源于医疗机构的医保结算单据、药品采购明细、患者用药记录以及不良反应报告。这些数据通常以结构化或半结构化的文档形式存在，如 PDF 格式的结算清单、Excel 或 CSV 格式的药品明细表、以及 Word 或 RTF 格式的不良反应事件报告。数据更新频率较高，部分结算数据可能每日或每周更新，不良反应报告则随事件发生实时生成。文档结构上，结算单据通常包含固定的表头信息和多行明细数据，药品明细表则以表格形式呈现，字段包括药品编码、名称、规格、剂量、费用、结算类型等。不良反应报告则可能包含自由文本描述、患者基本信息、用药史等。单位方面，费用以人民币计价，剂量通常涉及毫克（mg）、克（g）、毫升（ml）等常见医学单位。
这些特征在「文档解析与分块」这一环带来什么约束
医保结算数据的高更新频率要求文档解析流程具备高效性和自动化能力，以应对持续涌入的新数据。其半结构化特性决定了需要灵活的解析策略，既能准确提取表格中的结构化字段，也能有效处理自由文本描述中的关键信息。结算单据中的多行明细数据，对分块的粒度提出了要求，需要确保单条药品或服务记录的完整性，防止关键信息在分块时被截断。不良反应报告中的自由文本描述，则需要更精细的文本分块策略，以捕获其中的药物名称、不良事件描述、发生时间等关键实体，同时避免上下文丢失。单位信息（如 mg、ml、元）在解析时需被正确识别并保留，以便后续的量化分析和异常检测。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800-1200 字符 | 确保医保结算单据中单条明细或不良反应报告中核心事件描述的完整性，同时兼顾召回效率。 |
overlap_size | 100-200 字符 | 维持分块间的上下文连续性，尤其在处理自由文本描述时，辅助理解跨块信息。 |
parser_type | unstructured_file | 适用于解析 PDF、Word 等多格式文档，能够有效处理表格和自由文本混合的医保结算数据。 |
max_file_size_mb | 100 MB | 考虑到医保结算单据和药品明细表可能包含大量数据，设定合理的上传文件大小上限。 |
metadata_extraction | 启用 | 提取文档中的日期、来源、文档类型等元数据，便于后续的筛选和溯源。 |
table_parsing_strategy | auto | 自动识别并解析文档中的表格结构，确保医保结算明细等结构化数据的准确提取。 |
容易做错的三处
- 上传大型 PDF 医保结算单据时，文档解析节点返回 404 错误。这通常是由于前端在打包部署后，文件上传路径配置不正确，导致服务器无法访问到上传的文件。
- 解析后的分块内容中，医保结算单据的药品费用或剂量单位丢失。其原因是解析器未能正确识别并保留数字后的单位字符，需要检查解析规则中对单位识别的配置。
- 在处理不良反应报告时，关键的药物名称或不良事件描述被截断在不同的分块中。这可能与
chunk_size设置过小有关，导致单个关键信息被分割。
怎么确认配好了
- 上传一份包含多页医保结算明细的 PDF 文件，检查解析后的分块是否能保持每条结算记录的完整性，包括所有字段和单位。
- 上传一份不良反应报告的 Word 文档，核对解析结果中是否准确提取了药物名称、不良事件描述和报告日期，并且关键实体未被不合理地分割。
- 随机选取解析后的分块，通过 FastGPT 的查询接口进行测试，观察召回的相关性，确保返回的分块能够有效回答关于特定药品或不良反应的问题。
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。