这个品类的数据长什么样
医院运营中的药物警戒数据主要来源于临床药师日常审核报告、不良反应事件（ADR）监测报告、药物使用说明书更新、国家药品监管机构发布的预警信息以及医院内部的药物管理制度文件。这些文档的更新频率不一，ADR 报告可能随时产生，而药物说明书或管理制度则可能按季度或年度更新。文档结构多样，包括非结构化的自由文本描述、半结构化的表格数据（如患者信息、用药详情、不良反应表现、处理措施）以及结构化的药品批次号、生产日期等字段。字段名称可能存在缩写或不同科室间的差异，单位涉及剂量（mg、g、ml）、频率（次/日）、时间（小时、天）等。
这些特征在「文档解析与分块」这一环带来什么约束
医院运营药物警戒文档的多样性，对文档解析提出了高要求。非结构化的 ADI 报告中的关键信息识别难度大，需要精确地从长文本中提取不良反应症状、用药情况、患者基础疾病等。表格数据解析时，由于表格样式不统一，可能出现错位或字段识别偏差，影响关键指标的提取。更新频率的不确定性意味着解析系统需具备增量更新和版本管理能力。此外，涉及药品名称、批次号等特定字段时，需保证高精度识别，避免因解析错误导致药物警戒判断失误。文档长度差异大，从几页的 ADI 报告到几十页的药物说明书，这直接影响分块策略，需要平衡信息完整性和检索效率。
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 | 兼顾不良反应描述的完整性与单一分块的信息量，避免过长导致信息冗余，过短则上下文缺失。 |
分段重叠长度 | 100–200 字符 | 确保分块边界的上下文连续性，尤其在表格或长句跨越分段时，提高召回率。 |
分隔符 | \n\n 或 。 ； ！ ？ | 优先按段落切分，结合中文句末标点符号，保持语义完整。 |
表格解析模式 | 智能识别与区域指定结合 | 应对结构不一的表格，先尝试智能识别，失败时允许手动指定表格区域。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 应对大型 PDF 文档或复杂表格解析，预留充足处理时间，避免超时中断。 |
自定义解析服务API | https://your_ocr_service/parse | 接入专业 OCR 或表格解析服务，提升复杂文档的处理精度。 |
容易做错的三处
- 上传 PDF 文件后，表格内容在预览时出现错位或缺失，原因是系统默认的分隔符或解析模式无法准确识别复杂表格结构。
- 文档解析耗时过长，甚至出现超时报错，可能由于
PARSE_FILE_TIMEOUT_SECONDS设置过短，无法处理超大文件或包含大量图片的文档。 - 对话时上传文件解析失败，返回通用错误码 500，现象是解析服务未正确配置或其内部依赖服务响应异常。
怎么确认配好了
- 上传典型的不良反应报告 PDF，检查预览内容是否与原文一致，特别是表格数据是否完整且无错位。
- 上传包含长文本和多页的药物说明书，观察解析服务的处理时间，确保在
PARSE_FILE_TIMEOUT_SECONDS阈值内完成。 - 通过 API 接口上传文档并调用解析服务，验证返回的分块内容是否符合预期
分段长度和分段重叠长度的设定，并检查关键字段（如药品名称、症状描述）是否被准确提取。
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。