这个品类的数据长什么样
中药研报的数据主要来自券商医药行业研报、中药行业协会公开报告、上市药企研发与销售文档、中医药学术期刊论文。更新节奏以季度、年度报告为主，突发行业政策或药材价格波动时会发布临时文档。文档结构包含摘要、药材基原、性味归经、临床应用、药理研究、质量标准、产业数据等模块，内嵌大量表格与数学公式。字段包含药材名称、产地、含量单位（如mg/g、%）、价格单位（如元/公斤）、炮制参数（如分钟、倍量）等专业内容。
这些特征在「文档解析与分块」这一环带来什么约束
中药研报的多源格式与专业内容特征，对解析与分块环节带来多重约束。文档包含扫描版PDF、Word、纯文本等多种格式，需适配不同格式的解析逻辑；内嵌的表格与数学公式需被完整识别，否则会丢失核心量化数据；专业术语与跨章节的关联内容要求分块不能破坏语义完整性，避免将同一药材的不同研究模块拆分到不同分块；批量解析时需兼顾长文档的解析耗时与内容完整性，避免超时或分块断裂。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_ENGINE | marker | 该引擎对扫描版PDF、数学公式、内嵌表格的解析效果适配中药研报的复杂排版 |
PARSE_TABLE_ENABLE | 开启 | 中药研报包含大量药材成分、产业数据表格，关闭会丢失结构化核心信息 |
MAX_CHUNK_SIZE | 1200–1500 字符 | 单味药研究或临床案例的完整内容长度多在此区间，过长会导致上下文冗余，过短会破坏语义连贯性 |
PARSE_MATH_FORMULA | 开启 | 研报中包含有效成分占比、药理剂量计算等公式，关闭会导致核心量化数据丢失 |
UPLOAD_FILE_MAX_SIZE | 200 MB | 部分大型行业研报合集体积较大，过小限制会导致无法上传完整文档 |
PARSE_FILE_TIMEOUT_SECONDS | 900 秒 | 长文档包含多章节与复杂图表，解析耗时较长，避免中途超时失败 |
本页给出的参数取值均为常规建议，用于确定配置的起点。实际取值受材料形态、数据量与业务规则影响，具体问题需具体分析，建议在自有样本上实测后再定。
容易做错的三处
- 现象：点击知识库中中药研报PDF的分块预览按钮，返回「无法读取该文件内容」的报错。原因：未启用表格与公式解析配置，或解析引擎未适配复杂排版格式。
- 现象：线上4.9.0版本可正常返回研报中的公式结果，本地4.8.12版本无法解析公式。原因：本地版本的解析引擎未内置公式解析模块，或未开启
PARSE_MATH_FORMULA配置项。 - 现象：执行docker部署解析引擎的命令时出现镜像启动失败报错。原因：使用了过时的镜像版本v0.1，或未正确配置GPU挂载参数。
怎么确认配好了
- 上传一份包含成分表格与药理公式的中药研报样本，查看解析后的文本是否完整保留了结构化表格与公式内容。
- 进入知识库的文件管理页面，选择已上传的研报，点击分块预览，确认可查看分块后的内容且无明显语义断裂。
- 检查解析引擎的运行日志，确认未出现超时或格式解析失败的报错信息。
- 测试检索研报中的专业术语内容，确认分块后的内容可被正确召回且无关键信息丢失。
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 2026-09-14，当时的最新发布版本为 FastGPT v4.17.0。