siRNA 核酸药质量文档的文档解析与分块

这个品类的数据长什么样

siRNA 核酸药的质量文档主要源自研发阶段的实验报告、生产过程的批次记录、以及法规提交材料。这些文档更新频率较高，尤其在临床试验和生产工艺优化阶段。文档结构复杂，通常包含大量图表、化学结构式、序列信息和实验数据。例如，稳定性研究报告会包含多个时间点的检测数据，纯度分析报告会涉及高效液相色谱（HPLC）图谱。字段上，常见的有 批次号、检测项目、检测方法、结果、单位（如 nM、%、OD、ng/mL），以及 QbD（质量源于设计）相关参数。这些文档的语言专业性强，常混杂英文缩写与中文描述。

这些特征在「文档解析与分块」这一环带来什么约束

siRNA 核酸药质量文档的复杂性对文档解析与分块提出了多重约束。首先，图表和化学结构式需要特殊的图像识别或文本提取技术，传统基于纯文本的分块方法难以有效处理。其次，文档中大量的专业术语和缩写，要求分块时能保持术语的完整性，避免因断词导致语义丢失。例如，2'-O-甲基修饰 或 GalNAc 偶联结构应作为一个整体被识别。此外，批次记录和实验数据常以表格形式呈现，表格内部的数据关联性必须在分块时得到维护，否则会割裂上下文。更新频率高意味着需要高效的增量解析与更新机制，以确保知识库的时效性。

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 siRNA 术语的长度与上下文完整性，避免过短分段导致语义碎片化。
`分段重叠长度`	`150–250 字符`	保留足够上下文信息，确保相邻分块间的语义连贯性，尤其在表格或序列描述处。
`文件类型白名单`	`['.pdf', '.docx', '.xlsx', '.json']`	覆盖 siRNA 质量文档主要的文件格式，包括报告、数据表和结构化数据。
`启用表格智能解析`	`True`	有效提取 Excel 和 PDF 中表格数据，并将其转化为结构化文本，维护数据关联。
`OCR 文本识别精度阈值`	`0.85`	确保从扫描件或图像中提取的专业术语和数据具有较高准确性。
`PARSE_FILE_TIMEOUT_SECONDS`	`600 秒`	应对大型报告或包含复杂图表的文档解析耗时，避免因超时导致解析失败。

容易做错的三处

文档上传后显示部分 chunk 向量化异常，现象通常是向量化服务返回 HTTP 500 或 embedding 结果为空。原因在于文档中存在过长或包含特殊字符的文本段，超出了向量模型单次处理的输入长度限制。
多轮对话中对特定批次的查询，返回结果包含不完整的实验数据或错误的单位。现象为 DB 节点查询结果 JSON 数组中缺少关键字段，或者 unit 字段为空。原因在于 Excel 或 PDF 表格解析时，未能正确识别表头与数据行的对应关系，或将不同列的数据错误地合并。
更新后的质量文档，查询时仍然返回旧的信息，导致数据不一致。现象是知识库召回内容与最新文档内容不符，更新时间戳 字段未更新。原因在于文档解析系统未正确触发增量更新流程，或缓存机制导致旧数据未及时失效。

怎么确认配好了

上传具有代表性的 siRNA 质量文档（如稳定性报告、批次放行报告），在知识库管理界面检查每个 chunk 的内容是否完整，尤其是专业术语、序列信息和表格数据是否被正确提取。
使用包含特定批次号、检测项目和结果的查询语句进行测试，验证返回的 JSON 结果中关键字段（如 批次号、检测项目、结果、单位）是否准确且完整，并与原始文档进行比对。
尝试上传一个包含大量图表和复杂排版的 PDF 文档，检查 OCR 识别的文本内容是否清晰可读，无明显错别字或乱码，并通过比对原始图像确认识别精度。

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。