这个品类的数据长什么样
医药电商平台在药物警戒方面的数据主要来源于药品销售记录、用户反馈、在线咨询记录以及药品说明书、不良反应报告（ADR）等。销售记录包含药品批次、生产日期、有效期等信息。用户反馈和在线咨询通常以非结构化文本形式存在，涉及用药体验、不良症状描述。药品说明书为结构化或半结构化文档，内容涵盖适应症、禁忌、用法用量、不良反应等标准医学信息。ADR报告则包含详细的患者信息、药品信息、不良事件描述、处理措施和结局，通常为 PDF 或图片格式。这些数据更新频率较高，特别是用户反馈和销售数据，几乎实时。
这些特征在「文档解析与分块」这一环带来什么约束
医药电商平台的药物警戒数据，特别是用户反馈和ADR报告，其非结构化特性对文档解析提出了高要求。用户描述不良反应时常使用口语化表达，缺乏医学术语的规范性，这增加了信息提取的难度。药品说明书虽然相对规范，但其长篇幅和多层级结构需要精细的分块策略，以确保不良反应、禁忌等关键信息不被稀释或遗漏。ADR报告中的扫描件或图片格式，要求系统具备光学字符识别（OCR）能力。数据更新频率高，意味着知识库需要高效的增量更新机制，避免频繁的全量重新解析。此外，药品批次、有效期等关键字段的准确识别，直接关系到召回的精准性，对解析的鲁棒性有严格要求。
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 | 兼顾用户反馈的完整性与ADR报告中不良事件描述的细节，避免过长导致信息冗余，过短则上下文缺失。 |
分段重叠长度 | 100 字符 | 确保分段边界处的上下文连贯性，尤其对于药品说明书中的关联信息。 |
UPLOAD_FILE_MAX_SIZE | 100 MB | 适应大型PDF格式的ADR报告或药品说明书，防止因文件过大导致的上传失败。 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 预留充足时间处理包含大量文本或需要OCR识别的复杂文档，减少解析超时。 |
相似度阈值 | 0.75 | 权衡召回的精准度与覆盖率，保证相关不良反应信息的有效识别，同时过滤噪声。 |
召回条数 | 前 5 条 | 在保证信息丰富度的前提下，限制召回结果数量，提高下游处理效率，聚焦核心不良反应。 |
容易做错的三处
- 解析大型PDF或图片格式的ADR报告时，系统提示“偏移量超出范围”或“网络错误”，这通常是由于文件大小超过了服务器或客户端的传输限制，或者解析超时。
- 用户反馈中的口语化描述未能被正确识别为不良反应，导致相关信息缺失，原因在于分词或实体识别模型对非规范化文本的处理能力不足，或者未针对医学口语进行优化。
- 药品说明书中的特定禁忌或注意事项未能被有效召回，这可能是因为分块策略过于粗糙，将关键信息与大量通用内容混合，导致其在向量化后权重降低。
怎么确认配好了
- 上传典型的大型ADR报告PDF文件，检查是否能成功完成解析，并观察解析日志中是否有错误信息。
- 选取多条包含口语化不良反应的用户反馈，通过知识库问答测试，验证是否能准确召回相关药品信息和潜在不良反应描述。
- 随机抽取药品说明书中的特定禁忌或注意事项，验证通过关键词或语义查询，能否精准定位到对应的分块内容。
- 持续监控知识库的增量更新效果，确保新上传的销售数据或用户反馈能够被及时解析并纳入知识库，验证更新机制的稳定性。
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。