这个品类的数据长什么样
病历质控中的药物警戒数据主要来源于患者的电子病历系统（EHR）、诊断报告、处方记录及随访记录。这些数据通常以非结构化或半结构化文档形式存在，如 PDF 格式的病程记录、出院小结、检验报告单扫描件，以及结构化程度较高的 HL7 或 CDA 标准文档。数据更新频率高，尤其在住院期间，病程记录可能每日甚至每小时更新。文档结构复杂，包含大量医学术语、缩写和数字，如药品名称、剂量、给药途径、不良反应描述、患者基本信息、诊断结果等。字段与单位多样，例如药物剂量可能以毫克（mg）、克（g）或国际单位（IU）表示，时间单位包括小时、天、周。
这些特征在「文档解析与分块」这一环带来什么约束
病历质控文档的数据来源多样性，要求解析器具备处理多种文件格式的能力。高更新频率意味着文档解析需要高效且支持增量更新，以避免重复处理大量不变数据。复杂的文档结构和医学术语，对文档分块的语义完整性提出挑战，确保单个分块包含足够上下文以理解不良反应事件。例如，一个不良反应描述可能分散在病程记录的不同段落，需要智能聚合。多样的字段与单位，使得实体抽取和标准化成为前置条件，否则在分块后可能导致关键信息丢失或上下文不完整，影响后续药物警戒的准确性判断。数字签名 PDF 无法识别内容，则需要专门的 OCR 或数字签名解析模块处理。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 50 MB | 考虑单个病历文档可能包含多页扫描件，确保能上传完整文件。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 复杂 PDF 文档或包含大量图像的扫描件解析耗时较长，预留充足处理时间。 |
分段长度 | 800–1200 字符 | 平衡上下文完整性与召回效率，确保每个分块包含足够描述一个不良反应事件的文本。 |
自定义规则 | 按段落、列表项及关键实体分割 | 优先保持医学段落的语义完整性，例如将同一不良反应事件的描述归入一个分块。 |
召回条数 | 前 5–8 条 | 保证召回足够多的相关上下文，以供大模型进行药物警戒判断。 |
相似度阈值 | 0.75 | 医疗文本的专业性要求较高匹配度，减少无关信息干扰。 |
容易做错的三处
- 上传数字签名 PDF 后内容为空白，原因是解析器未能识别或跳过数字签名区域，导致无法提取文本。
- API 知识库返回阅读链接 URL，但点击报错，原因是知识库文件存储路径或访问权限配置不正确，导致前端无法访问文件。
- 大模型输出答案时未提及图片内容，原因是文档解析阶段未能有效提取图片中的文字信息或对图片内容进行语义描述，导致知识库中缺乏相关信息。
怎么确认配好了
- 上传典型病历文档，检查知识库中分块的数量和每个分块内容的完整性，判断是否包含关键医学实体。
- 针对上传的复杂 PDF 文档，通过搜索功能验证是否能准确召回文档中的关键信息和不良反应描述。
- 模拟提问与药物警戒相关的场景，观察大模型回答中是否能引用到文档中的具体细节，并核对引用原文。
- 检查解析日志，确认是否有因超时或格式不支持导致的解析失败记录，根据日志提示调整
PARSE_FILE_TIMEOUT_SECONDS等参数。
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。