这个品类的数据长什么样
IVD（体外诊断）诊断试剂的质量文档，主要来源于药监部门的注册申报资料、企业内部的质量管理体系文件、生产批记录以及供应商提供的原材料合格证明。这些文档的更新节奏通常与产品生命周期、法规要求和质量体系变更紧密关联，例如注册证到期前的再注册、生产工艺优化、原材料供应商更换等，导致部分核心文档（如《产品技术要求》、《检验报告》）每年或每两年会有修订。文档结构上，常以 PDF 格式的报告、手册、批记录扫描件为主，其中包含大量表格数据、图谱、流程图和规范性文本。字段方面，涉及批号、生产日期、有效期、检测项目、检测结果、判定标准、单位（如 IU/mL、ng/mL、U/L 等）以及各种精度要求。这些文档的共性是高度规范化、格式固定，且数据间存在严格的逻辑关联。
这些特征在「文档解析与分块」这一环带来什么约束
IVD 诊断试剂质量文档的高度规范化和表格数据密集性，要求文档解析器具备强大的结构化信息提取能力。常规的文本分块方式可能无法有效保留表格内部的行列表格语义，导致检索时丢失关键的对应关系。例如，批记录中的某个检测项目与对应的判定结果、单位必须作为一个整体被理解。图谱和流程图的存在，意味着纯文本解析会遗漏重要的图像信息，需考虑图像 OCR 或图像描述生成。严格的法规要求和数据逻辑关联，使得分块时需要特别关注上下文的完整性，避免将关键的关联信息（如“检测方法”与“判定标准”）切分到不同的块中。更新频率虽然不高，但每次更新都可能是全局性的，要求知识库具备版本管理和增量更新的能力，确保检索结果始终基于最新有效文档。单位的标准化处理也至关重要，防止因单位不同步而导致的语义偏差。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500–800 字符 | 兼顾 IVD 文档的规范性段落长度与上下文完整性，避免过度切分导致语义丢失。 |
分段重叠长度 | 100–150 字符 | 确保关键信息在相邻分块间有适当重叠，提升检索召回率，尤其是在表格行间或段落过渡处。 |
启用表格识别 | 是 | IVD 诊断试剂文档中包含大量关键表格数据，启用表格识别能将表格内容结构化提取。 |
表格行分块策略 | 按行与相邻行合并 | 保留表格数据逻辑，避免单行语义不完整，例如批记录中的“项目-结果-单位”三元组。 |
图像OCR | 是 | 应对文档中的图谱、流程图等非文本信息，确保图像内的文字信息可被检索。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | IVD 质量文档通常较大，包含复杂结构，需要较长的解析时间以避免超时导致解析失败。 |
容易做错的三处
- 现象：上传的 Excel 格式批记录在知识库中显示为乱码或纯文本，检索时无法按表格内容进行精确匹配。原因：
启用表格识别配置未开启，或表格处理模块未能正确解析复杂的合并单元格结构。 - 现象：某个检测项目的质量标准与对应的具体检测结果在检索结果中被分到不同的条目，导致无法完整回答。原因：
分段长度过小或分段重叠长度不足，切分时破坏了关键的逻辑关联。 - 现象：文档上传后，长时间处于“解析中”状态，最终报错
PARSE_FILE_TIMEOUT。原因：文件体积过大或内容过于复杂，PARSE_FILE_TIMEOUT_SECONDS参数设置过低，未能留出足够的处理时间。
怎么确认配好了
- 上传一份包含复杂表格和图谱的典型 IVD 诊断试剂质量文档，检查知识库中该文档的分块预览，确认表格内容是否被正确识别并结构化呈现。
- 针对文档中的某个检测项目及其判定标准进行检索，检查返回结果是否包含完整的项目名称、结果、单位以及对应的判定标准，验证上下文关联的完整性。
- 分别上传一个中等大小（例如 50 MB）和一个较大（例如 200 MB）的 PDF 文档，观察解析时长，确保在可接受的时间内完成解析且无超时报错。
- 在知识库中随机选取几个分块，检查其内容是否语义完整，无关键信息被截断或与上下文脱节的情况，特别是表格行数据。
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。