前言¶
如果你做过医药方向的 Agent 应用，大概率遇到过这个问题：药品说明书往往是几十页的 PDF 或者扫描图，分散着适应症、用法用量、禁忌、不良反应等信息。人工抽取成本高，直接让模型读长文档又拿不到稳定的字段边界，更头疼的是——模型给出的结论很难追溯到底出自哪一页、哪一段。下面介绍的这个 Skill 就是针对这个痛点的：它把 PDF/Word/图片形式的药品说明书解析成标准化的四层数据结构，并给每个字段绑定来源证据。
这是什么¶
说明书智能结构化解析是一个面向药品说明书场景的结构化解析 Skill，发布在 SkillHub 平台，坐标 @baitongai/drug-label-structured-parser，由百通AI服务平台出品（来源标记为 enterprise），当前版本 1.0.2，分类 data-analysis。
它解决的问题很明确：把非结构化的说明书文档转换成下游可以直接消费的结构化数据。输出结果不是自由文本，而是带溯源链的标准化模型，方便医学问询、竞品对比、合规校审等下游任务引用和核对。
核心能力¶
下面按数据模型、字段结构化、溯源链、质量系统、监管模板、输出格式六个方面介绍，这些能力均来自官方发布页的简介。
四层数据模型¶
解析结果组织为 Document→Product→Sections→Evidence 四层：
- Document 层：说明书文档本体及其元信息；
- Product 层：药品产品信息；
- Sections 层：说明书的各个章节；
- Evidence 层：每个结构化字段绑定的证据记录。
这种分层的意义在于，下游拿到的不再是一整坨文本，而是可以按层级导航的数据：从文档到产品，从产品到章节，从章节到证据。
六大字段深度结构化¶
Skill 对说明书中的六类高频字段做深度结构化：适应症、用法用量、禁忌、不良反应、相互作用、特殊人群。这六类基本覆盖了说明书中临床决策和合规校审最关心的内容，结构化后可以直接进入下游技能的字段级处理。
Evidence 溯源链¶
每个字段都绑定一条 Evidence 溯源链，包含 evidence_id、页码、段落定位三项。这意味着任何一条结构化结论都可以反向追到原文位置。对合规校审这类要求可追溯的场景，这个能力是刚需——评审人员需要确认某条禁忌确实写在说明书某页某段，而不是模型概括出来的。
三级质量系统与错误码¶
Skill 内置三级质量系统：PASS、WARNING、MANUAL_REVIEW、FAILED。按发布页描述，这是一个三级（实际列出四个状态）的判定体系，用于标记解析结果的质量等级。
配套的错误体系包括 14 类错误码和 10 条硬规则的代码化校验。硬规则是写死在代码里的校验逻辑，不是模型自由判断，因此同一文档多次解析的行为是一致的。
三大监管模板¶
Skill 支持 NMPA、FDA、EMA 三大监管模板。同一本说明书在不同监管体系下的章节划分和字段要求存在差异，模板的作用是在解析阶段就对齐目标监管的结构规范，而不是事后再做映射。
输出格式¶
解析结果支持 JSON、Excel、Markdown 三种格式输出。JSON 便于程序消费，Excel 便于人工核对，Markdown 便于嵌入文档或作为上下文喂给下游模型。
安装与启用¶
该 Skill 发布在 SkillHub 平台，官方坐标如下：
@baitongai/drug-label-structured-parser
发布页信息显示该 Skill 不需要 API 密钥（requires_api_key=false）。本次写作时未能成功访问官方页面，因此安装命令、目录和配置文件的具体内容无法核实，这里不做推测。如果你准备启用，请直接打开官方页面按其指引操作：
https://api.skillhub.cn/baitongai/drug-label-structured-parser
典型用法¶
发布页简介描述的数据流是：输入一份 PDF、Word 或图片形式的药品说明书，指定目标监管模板（NMPA/FDA/EMA），Skill 完成解析后输出四层结构化数据，同时给出该次解析的质量等级和错误码。输出的字段值均可通过 evidence_id 回溯到原文的页码和段落位置。
举个例子，一份「某药品说明书.pdf」经过解析后，你得到的不只是一段适应症摘要，而是适应症字段的结构化文本 + 该字段对应的 evidence_id + 所在页码和段落定位；下游的医学问询或合规校审任务引用这条结论时，可以拿着证据信息去原文核对。
需要注意，详细的调用参数、各格式的具体字段定义等以官方页面为准，本次未能从官方资料中核实到命令级的可复现示例。
适用场景与注意¶
适合的使用者：
- 做医药问答、医学问询类 Agent 的开发者，需要说明书原文级的数据支撑；
- 做药品竞品对比的团队，需要把多份说明书对齐成统一字段结构；
- 做合规校审的场景，需要字段级溯源和质量分级。
已知的限制和注意事项：
- Skill 面向药品说明书，三大监管模板覆盖 NMPA/FDA/EMA；如果你的文档来自其他监管体系或属于其他医学文档类型，适配情况需自行验证；
- 解析质量由内置三级质量系统标记，WARNING 和 MANUAL_REVIEW 状态的结果不建议直接进入不可出错的流程，应先人工复核；
- 该 Skill 在 SkillHub 平台发布页显示评分为 100000、下载 820 次，由于评分数据来自平台页面，实际质量仍需自行试用验证。
结语¶
这个 Skill 的核心价值在于两点：把非结构化说明书变成字段级的结构化数据，并且给每个字段留了可追溯的证据链。对需要引用说明书原文做决策的应用，溯源能力往往比字段多几个更重要。官方地址：https://api.skillhub.cn/baitongai/drug-label-structured-parser
