这个品类的数据长什么样
中药研报的数据来源包括中国中药协会发布的行业白皮书、券商医药行业研报、国家药典委员会公开的药典文档、药企内部研发纪要。更新节奏随内容类型有所区别：国家药典每5年更新一次，行业研报按季度、年度发布，新药材获批或临床研究成果发布时会有临时更新。文档通常包含药材基原、性味归经、功效主治、临床应用、药理研究、质量标准、性状配图等模块，字段涉及专业术语如“归经”“炮制方法”，单位包含克、毫克、临床疗程（周）、含量百分比等。
这些特征在「知识库检索与召回」这一环带来什么约束
来源分散的特性要求知识库兼容docx、pdf、扫描件等多种格式，且需区分官方权威文档与行业研报的检索权重。更新节奏不固定，新的研究成果或政策发布后需要及时同步，召回环节需优先展示最新数据。文档结构中的专业字段与配图，要求检索系统不仅能解析纯文本内容，还能提取图片中的OCR信息与表格中的量化数据。字段与单位的特殊性，要求检索时统一单位表述，避免因“克”与“g”的差异导致召回偏差。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_IMAGE_ENABLE | 开启 | 中药研报包含药材性状图、色谱分析图等关键视觉信息，需提取图片OCR文本与描述内容用于检索 |
CHUNK_SIZE | 800–1200 字符 | 中药研报包含连续的专业论述段落，该分段长度可保留术语上下文关联，避免拆分破坏专业逻辑 |
RECALL_TOP_N | 前8–12条 | 中药专业内容密度较高，足够的召回条数可覆盖性味归经、药理研究等多维度检索需求 |
SIMILARITY_THRESHOLD | 0.75–0.85 | 平衡专业术语匹配精度与召回范围，避免低匹配度的非中药内容混入结果 |
TABLE_PARSE_ENABLE | 开启 | 中药研报多包含含量测定、临床数据表格，表格内的量化信息是核心检索内容 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 适配包含多页配图与表格的单份研报文件，避免上传时因文件过大触发限制 |
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：知识库上传包含药材图片的docx文件后，测试问答时无法返回与图片相关的答案，后台解析日志仅记录了文本提取记录，未生成图片OCR解析条目。原因：未开启
PARSE_IMAGE_ENABLE配置，仅完成了文本解析，未提取图片中的OCR识别信息。 - 现象：配置
CHUNK_SIZE为500字符以下时，检索“黄芪的性味归经与功效”时，返回结果出现“性味归经”“补气升阳”等内容被拆分为多个独立片段的情况，无法形成完整回答。原因：分段过短破坏了专业论述的上下文关联，导致检索匹配时无法识别完整的专业术语组合。 - 现象：检索“三七的含量测定方法”时，召回结果中混杂西药成分分析文档，返回条数超出配置的
RECALL_TOP_N范围。原因：未配置行业专属的关键词过滤规则，且SIMILARITY_THRESHOLD设置过低，导致非中药品类的文档被误召回。
怎么确认配好了
- 上传一份包含完整药材性状图的docx研报，进入知识库测试页面，输入“该药材的外观性状特征”，检查返回结果中是否包含图片的OCR识别文本内容。
- 调整
CHUNK_SIZE为1000字符，上传一份包含连续药理研究段落的研报，查看知识库的分段预览，确认专业段落未被强制拆分。 - 设置
SIMILARITY_THRESHOLD为0.8，输入“中药注射剂的质量控制标准”，检查召回结果是否仅包含中药相关文档，无其他品类的内容。 - 上传一份包含含量测定表格的pdf研报，查看知识库解析后的文本内容，确认表格中的数值与单位被完整提取并展示。
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。