前言¶
如果你做過醫藥方向的 Agent 應用，大概率遇到過這個問題：藥品說明書往往是幾十頁的 PDF 或者掃描圖，分散着適應症、用法用量、禁忌、不良反應等信息。人工抽取成本高，直接讓模型讀長文檔又拿不到穩定的字段邊界，更頭疼的是——模型給出的結論很難追溯到底出自哪一頁、哪一段。下面介紹的這個 Skill 就是針對這個痛點的：它把 PDF/Word/圖片形式的藥品說明書解析成標準化的四層數據結構，並給每個字段綁定來源證據。
這是什麼¶
說明書智能結構化解析是一個面向藥品說明書場景的結構化解析 Skill，發佈在 SkillHub 平臺，座標 @baitongai/drug-label-structured-parser，由百通AI服務平臺出品（來源標記爲 enterprise），當前版本 1.0.2，分類 data-analysis。
它解決的問題很明確：把非結構化的說明書文檔轉換成下游可以直接消費的結構化數據。輸出結果不是自由文本，而是帶溯源鏈的標準化模型，方便醫學問詢、競品對比、合規校審等下游任務引用和核對。
核心能力¶
下面按數據模型、字段結構化、溯源鏈、質量系統、監管模板、輸出格式六個方面介紹，這些能力均來自官方發佈頁的簡介。
四層數據模型¶
解析結果組織爲 Document→Product→Sections→Evidence 四層：
- Document 層：說明書文檔本體及其元信息；
- Product 層：藥品產品信息；
- Sections 層：說明書的各個章節；
- Evidence 層：每個結構化字段綁定的證據記錄。
這種分層的意義在於，下游拿到的不再是一整坨文本，而是可以按層級導航的數據：從文檔到產品，從產品到章節，從章節到證據。
六大字段深度結構化¶
Skill 對說明書中的六類高頻字段做深度結構化：適應症、用法用量、禁忌、不良反應、相互作用、特殊人羣。這六類基本覆蓋了說明書中臨牀決策和合規校審最關心的內容，結構化後可以直接進入下游技能的字段級處理。
Evidence 溯源鏈¶
每個字段都綁定一條 Evidence 溯源鏈，包含 evidence_id、頁碼、段落定位三項。這意味着任何一條結構化結論都可以反向追到原文位置。對合規校審這類要求可追溯的場景，這個能力是剛需——評審人員需要確認某條禁忌確實寫在說明書某頁某段，而不是模型概括出來的。
三級質量系統與錯誤碼¶
Skill 內置三級質量系統：PASS、WARNING、MANUAL_REVIEW、FAILED。按發佈頁描述，這是一個三級（實際列出四個狀態）的判定體系，用於標記解析結果的質量等級。
配套的錯誤體系包括 14 類錯誤碼和 10 條硬規則的代碼化校驗。硬規則是寫死在代碼裏的校驗邏輯，不是模型自由判斷，因此同一文檔多次解析的行爲是一致的。
三大監管模板¶
Skill 支持 NMPA、FDA、EMA 三大監管模板。同一本說明書在不同監管體系下的章節劃分和字段要求存在差異，模板的作用是在解析階段就對齊目標監管的結構規範，而不是事後再做映射。
輸出格式¶
解析結果支持 JSON、Excel、Markdown 三種格式輸出。JSON 便於程序消費，Excel 便於人工覈對，Markdown 便於嵌入文檔或作爲上下文餵給下游模型。
安裝與啓用¶
該 Skill 發佈在 SkillHub 平臺，官方座標如下：
@baitongai/drug-label-structured-parser
發佈頁信息顯示該 Skill 不需要 API 密鑰（requires_api_key=false）。本次寫作時未能成功訪問官方頁面，因此安裝命令、目錄和配置文件的具體內容無法覈實，這裏不做推測。如果你準備啓用，請直接打開官方頁面按其指引操作：
https://api.skillhub.cn/baitongai/drug-label-structured-parser
典型用法¶
發佈頁簡介描述的數據流是：輸入一份 PDF、Word 或圖片形式的藥品說明書，指定目標監管模板（NMPA/FDA/EMA），Skill 完成解析後輸出四層結構化數據，同時給出該次解析的質量等級和錯誤碼。輸出的字段值均可通過 evidence_id 回溯到原文的頁碼和段落位置。
舉個例子，一份「某藥品說明書.pdf」經過解析後，你得到的不只是一段適應症摘要，而是適應症字段的結構化文本 + 該字段對應的 evidence_id + 所在頁碼和段落定位；下游的醫學問詢或合規校審任務引用這條結論時，可以拿着證據信息去原文覈對。
需要注意，詳細的調用參數、各格式的具體字段定義等以官方頁面爲準，本次未能從官方資料中核實到命令級的可復現示例。
適用場景與注意¶
適合的使用者：
- 做醫藥問答、醫學問詢類 Agent 的開發者，需要說明書原文級的數據支撐；
- 做藥品競品對比的團隊，需要把多份說明書對齊成統一字段結構；
- 做合規校審的場景，需要字段級溯源和質量分級。
已知的限制和注意事項：
- Skill 面向藥品說明書，三大監管模板覆蓋 NMPA/FDA/EMA；如果你的文檔來自其他監管體系或屬於其他醫學文檔類型，適配情況需自行驗證；
- 解析質量由內置三級質量系統標記，WARNING 和 MANUAL_REVIEW 狀態的結果不建議直接進入不可出錯的流程，應先人工複覈；
- 該 Skill 在 SkillHub 平臺發佈頁顯示評分爲 100000、下載 820 次，由於評分數據來自平臺頁面，實際質量仍需自行試用驗證。
結語¶
這個 Skill 的核心價值在於兩點：把非結構化說明書變成字段級的結構化數據，並且給每個字段留了可追溯的證據鏈。對需要引用說明書原文做決策的應用，溯源能力往往比字段多幾個更重要。官方地址：https://api.skillhub.cn/baitongai/drug-label-structured-parser
