这个品类的数据长什么样
医疗器械营销相关数据主要来源于企业内部营销物料、监管公示文件及临床研究报告。更新节奏随产品迭代、监管政策调整及营销活动更新。文档结构多为图文混排，包含带多级目录的产品说明书、结构化参数表、临床应用说明及宣传物料。字段包含注册证编号、型号规格、适用科室、临床验证数据及计量单位，常见单位包括毫米、帕斯卡、千伏等，部分文档包含嵌入的产品示意图与临床案例图片。
这些特征在「文档解析与分块」这一环带来什么约束
多级目录的文档结构要求解析模块准确识别层级关系，否则分块会打乱产品参数与说明的逻辑关联。图文混排的文档需要保留参数表、产品图与对应说明的绑定关系，普通文本解析易丢失图文关联信息。医疗器械文档包含大量结构化参数字段，需提取结构化内容，仅提取纯文本无法支持精准检索。同时，文档格式涵盖飞书协作文档、docx、PDF等多种类型，不同格式的解析兼容性要求配置覆盖主流物料格式，且需处理嵌入图片的OCR提取需求。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_FILE_SUPPORT_FORMATS | ["docx", "pdf", "飞书文档", "md"] | 覆盖医疗器械营销文档的主流格式，包含企业常用的飞书协作文档与产品手册格式 |
maxChunkSize | 800–1200 字符 | 平衡长段落临床说明与结构化参数的上下文完整性，避免分块过短破坏参数关联，过长导致检索精度下降 |
PARSE_ENABLE_TABLE_EXTRACT | 开启 | 医疗器械文档的参数表包含型号、规格等核心检索字段，需提取结构化内容以支持精准匹配 |
PARSE_IMAGE_OCR_ENABLE | 开启 | 医疗器械营销文档常包含产品示意图与临床案例图，需通过OCR提取图内文字以完整还原文档内容 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 适配医疗器械临床研究报告的单文件常见体积 |
PARSE_TIMEOUT_SECONDS | 600 秒 | 避免大体积PDF或临床报告因解析耗时过长被中断 |
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：飞书多级目录文档仅解析首层级内容，其余层级未被检索。原因：未开启飞书文档的全目录解析开关，默认仅解析当前页面内容。
- 现象：调用API上传doc格式文件后，返回成功但无解析结果。原因：未在
PARSE_FILE_SUPPORT_FORMATS中配置docx格式，或API请求未携带正确的文件解析参数。 - 现象：marker模块报错提示split相关日志，docker部署的v4.9.0版本无解析日志输出。原因：未挂载解析模块的日志目录，或
PARSE_TIMEOUT_SECONDS设置过短导致解析中断未被记录。
怎么确认配好了
- 上传一份带多级目录的医疗器械产品说明书，检查解析结果是否包含所有层级的目录内容。
- 上传一份包含参数表和产品图的doc文件，检查解析结果是否提取了表格内容和图内文字。
- 调用API上传测试文件，检查返回结果是否包含解析后的文本片段。
- 查看解析模块的日志，确认无split相关报错且解析流程正常完成。
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。