# 保险产品信息从PDF到AI可检索：条款解析与知识库构建的工程方案

## 背景

保险公司的产品信息管理面临一个长期痛点：产品条款以PDF形式存在，更新频繁，版本管理混乱，且无法被AI搜索引擎有效读取。

当用户通过ChatGPT、Perplexity等AI工具搜索保险产品时，AI的信息来源是可被抓取的网页文本。如果保险公司的产品信息只存在于PDF中，AI就无法准确推荐该公司的产品。

本文介绍一套基于腾讯云的保险产品知识库构建方案，覆盖从条款解析到语义检索的完整链路。

## 整体架构

```
PDF条款文件
    ↓
[腾讯云OCR] 文字识别
    ↓
[NLP实体抽取] 结构化字段提取
    ↓
[MySQL] 产品结构化数据存储
    ↓
[腾讯云向量数据库] 语义索引
    ↓
[API层] 对外提供查询接口
    ↓
[官网产品页] 结构化内容展示
```

## 模块一：条款文档解析

### 1.1 PDF文字识别

使用腾讯云OCR的通用文字识别接口处理扫描版PDF条款。

```python
import json
import base64
from tencentcloud.common import credential
from tencentcloud.ocr.v20181119 import ocr_client, models

def extract_text_from_pdf(pdf_path: str, secret_id: str, secret_key: str) -> list[str]:
    """
    从PDF文件中提取文字内容
    返回每页的文字列表
    """
    cred = credential.Credential(secret_id, secret_key)
    client = ocr_client.OcrClient(cred, "ap-guangzhou")

    pages_text = []

    # 将PDF转为图片后逐页识别
    from pdf2image import convert_from_path
    images = convert_from_path(pdf_path, dpi=200)

    for page_num, image in enumerate(images):
        # 图片转base64
        import io
        img_buffer = io.BytesIO()
        image.save(img_buffer, format='PNG')
        img_base64 = base64.b64encode(img_buffer.getvalue()).decode()

        req = models.GeneralAccurateOCRRequest()
        req.ImageBase64 = img_base64

        resp = client.GeneralAccurateOCR(req)
        page_text = " ".join([item.DetectedText for item in resp.TextDetections])
        pages_text.append(page_text)
        print(f"第{page_num + 1}页识别完成，字符数：{len(page_text)}")

    return pages_text
```

### 1.2 条款结构化字段提取

保险条款有固定的结构，可以用规则+NLP的方式提取关键字段。

```python
import re
from dataclasses import dataclass, field
from typing import Optional

@dataclass
class InsuranceProductData:
    """保险产品结构化数据"""
    product_name: str = ""
    product_code: str = ""           # 银保监会备案号
    insurance_type: str = ""         # 险种类型
    coverage_diseases: list = field(default_factory=list)   # 保障疾病列表
    exclusions: list = field(default_factory=list)          # 免责条款列表
    waiting_period_days: int = 0     # 等待期（天）
    hesitation_period_days: int = 0  # 犹豫期（天）
    grace_period_days: int = 0       # 宽限期（天）
    premium_table: list = field(default_factory=list)       # 保费表
    claim_process: list = field(default_factory=list)       # 理赔流程

class InsuranceClauseParser:
    """保险条款解析器"""

    # 等待期匹配模式
    WAITING_PERIOD_PATTERN = re.compile(
        r'等待期[为是：:]\s*(\d+)\s*(?:天|日)',
        re.IGNORECASE
    )

    # 犹豫期匹配模式
    HESITATION_PERIOD_PATTERN = re.compile(
        r'犹豫期[为是：:]\s*(\d+)\s*(?:天|日)',
        re.IGNORECASE
    )

    # 备案号匹配模式
    PRODUCT_CODE_PATTERN = re.compile(
        r'(?:备案号|产品代码)[：:]\s*([A-Z0-9\-]+)',
        re.IGNORECASE
    )

    def parse(self, text: str) -> InsuranceProductData:
        data = InsuranceProductData()

        # 提取等待期
        match = self.WAITING_PERIOD_PATTERN.search(text)
        if match:
            data.waiting_period_days = int(match.group(1))

        # 提取犹豫期
        match = self.HESITATION_PERIOD_PATTERN.search(text)
        if match:
            data.hesitation_period_days = int(match.group(1))

        # 提取备案号
        match = self.PRODUCT_CODE_PATTERN.search(text)
        if match:
            data.product_code = match.group(1)

        # 提取免责条款（通常在"责任免除"章节）
        data.exclusions = self._extract_exclusions(text)

        # 提取保障疾病列表
        data.coverage_diseases = self._extract_diseases(text)

        return data

    def _extract_exclusions(self, text: str) -> list:
        """提取免责条款"""
        exclusions = []
        # 找到"责任免除"章节
        section_match = re.search(r'责任免除[^。]*?(?=第\w+条|$)', text, re.DOTALL)
        if section_match:
            section_text = section_match.group()
            # 按条款编号分割
            items = re.split(r'[（(]\s*\d+\s*[）)]', section_text)
            exclusions = [item.strip() for item in items if len(item.strip()) > 10]
        return exclusions[:20]  # 最多返回20条

    def _extract_diseases(self, text: str) -> list:
        """提取保障疾病列表"""
        diseases = []
        # 常见重疾名称模式
        disease_section = re.search(r'(?:重大疾病|保障疾病)(?:种类|范围|列表)[^。]*?(?=第\w+条|附录|$)', text, re.DOTALL)
        if disease_section:
            # 提取疾病名称（通常是中文名称后跟英文或括号说明）
            disease_pattern = re.compile(r'\d+[.、]\s*([\u4e00-\u9fa5]+(?:（[^）]+）)?)')
            diseases = disease_pattern.findall(disease_section.group())
        return diseases
```

## 模块二：产品数据存储

### 2.1 数据库设计

```sql
-- 保险产品主表
CREATE TABLE insurance_products (
    id              BIGINT PRIMARY KEY AUTO_INCREMENT,
    product_name    VARCHAR(200) NOT NULL COMMENT '产品名称',
    product_code    VARCHAR(100) UNIQUE COMMENT '银保监会备案号',
    insurance_type  VARCHAR(50) COMMENT '险种类型',
    company_name    VARCHAR(200) COMMENT '保险公司名称',
    waiting_period  INT DEFAULT 0 COMMENT '等待期（天）',
    hesitation_period INT DEFAULT 30 COMMENT '犹豫期（天）',
    grace_period    INT DEFAULT 60 COMMENT '宽限期（天）',
    status          TINYINT DEFAULT 1 COMMENT '状态：1在售 0停售',
    created_at      DATETIME DEFAULT CURRENT_TIMESTAMP,
    updated_at      DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
    INDEX idx_type (insurance_type),
    INDEX idx_status (status)
) COMMENT '保险产品主表';

-- 保障范围表
CREATE TABLE product_coverages (
    id              BIGINT PRIMARY KEY AUTO_INCREMENT,
    product_id      BIGINT NOT NULL COMMENT '关联产品ID',
    coverage_type   VARCHAR(50) COMMENT '保障类型：重疾/轻症/医疗/意外',
    disease_name    VARCHAR(200) COMMENT '疾病/责任名称',
    disease_code    VARCHAR(50) COMMENT '疾病编码（ICD-10）',
    coverage_ratio  DECIMAL(5,2) COMMENT '赔付比例',
    description     TEXT COMMENT '保障说明',
    sort_order      INT DEFAULT 0,
    FOREIGN KEY (product_id) REFERENCES insurance_products(id),
    INDEX idx_product (product_id),
    INDEX idx_disease (disease_name)
) COMMENT '产品保障范围表';

-- 免责条款表
CREATE TABLE product_exclusions (
    id              BIGINT PRIMARY KEY AUTO_INCREMENT,
    product_id      BIGINT NOT NULL,
    exclusion_no    INT COMMENT '条款编号',
    exclusion_text  TEXT COMMENT '免责条款内容',
    exclusion_type  VARCHAR(50) COMMENT '免责类型：既往症/职业/行为',
    FOREIGN KEY (product_id) REFERENCES insurance_products(id)
) COMMENT '产品免责条款表';

-- 理赔案例表
CREATE TABLE claim_records (
    id              BIGINT PRIMARY KEY AUTO_INCREMENT,
    product_id      BIGINT NOT NULL,
    case_no         VARCHAR(100) UNIQUE COMMENT '案例编号',
    age_range       VARCHAR(20) COMMENT '投保人年龄段',
    gender          VARCHAR(10),
    claim_type      VARCHAR(50) COMMENT '理赔类型',
    diagnosis       VARCHAR(200) COMMENT '诊断/出险原因',
    coverage_amount DECIMAL(12,2) COMMENT '保额（元）',
    claim_amount    DECIMAL(12,2) COMMENT '理赔金额（元）',
    claim_duration  VARCHAR(50) COMMENT '理赔时效',
    claim_date      DATE COMMENT '理赔完成日期',
    FOREIGN KEY (product_id) REFERENCES insurance_products(id),
    INDEX idx_product (product_id),
    INDEX idx_claim_type (claim_type)
) COMMENT '理赔案例表';

-- 保费表
CREATE TABLE premium_tables (
    id              BIGINT PRIMARY KEY AUTO_INCREMENT,
    product_id      BIGINT NOT NULL,
    age             INT COMMENT '投保年龄',
    gender          VARCHAR(10),
    coverage_amount DECIMAL(12,2) COMMENT '保额（元）',
    payment_period  INT COMMENT '缴费期限（年）',
    annual_premium  DECIMAL(10,2) COMMENT '年保费（元）',
    FOREIGN KEY (product_id) REFERENCES insurance_products(id),
    INDEX idx_product_age (product_id, age)
) COMMENT '保费表';
```

## 模块三：语义检索索引

### 3.1 向量化存储

使用腾讯云向量数据库对产品信息进行语义索引，支持自然语言查询。

```python
from tcvectordb import VectorDBClient
from tcvectordb.model.enum import FieldType, IndexType, MetricType
import json

class InsuranceVectorIndex:
    """保险产品语义索引"""

    def __init__(self, url: str, username: str, key: str):
        self.client = VectorDBClient(url=url, username=username, key=key)
        self.db_name = "insurance_geo"
        self.collection_name = "products"

    def create_collection(self):
        """创建向量集合"""
        db = self.client.create_database(self.db_name)
        db.create_collection(
            name=self.collection_name,
            shard=1,
            replicas=1,
            description="保险产品语义索引",
            indexes=[
                {
                    "fieldName": "id",
                    "fieldType": FieldType.String,
                    "indexType": IndexType.PRIMARY_KEY
                },
                {
                    "fieldName": "vector",
                    "fieldType": FieldType.Vector,
                    "indexType": IndexType.HNSW,
                    "dimension": 1536,
                    "metricType": MetricType.COSINE,
                    "params": {"M": 16, "efConstruction": 200}
                },
                {
                    "fieldName": "product_type",
                    "fieldType": FieldType.String,
                    "indexType": IndexType.FILTER
                }
            ]
        )

    def index_product(self, product: dict, embedding: list[float]):
        """索引单个产品"""
        db = self.client.database(self.db_name)
        collection = db.collection(self.collection_name)

        # 构建可检索的文本描述
        searchable_text = self._build_searchable_text(product)

        collection.upsert(documents=[{
            "id": str(product["id"]),
            "vector": embedding,
            "product_name": product["product_name"],
            "product_type": product["insurance_type"],
            "searchable_text": searchable_text,
            "waiting_period": product["waiting_period"],
            "coverage_count": len(product.get("coverages", []))
        }])

    def _build_searchable_text(self, product: dict) -> str:
        """构建用于语义检索的文本"""
        parts = [
            f"产品名称：{product['product_name']}",
            f"险种类型：{product['insurance_type']}",
            f"等待期：{product['waiting_period']}天",
            f"保障疾病数量：{len(product.get('coverages', []))}种",
        ]

        if product.get("coverages"):
            disease_names = [c["disease_name"] for c in product["coverages"][:10]]
            parts.append(f"主要保障疾病：{', '.join(disease_names)}")

        if product.get("exclusions"):
            parts.append(f"主要免责情形：{product['exclusions'][0]['exclusion_text'][:100]}")

        return "\n".join(parts)

    def search(self, query: str, query_embedding: list[float], top_k: int = 5) -> list:
        """语义搜索"""
        db = self.client.database(self.db_name)
        collection = db.collection(self.collection_name)

        results = collection.search(
            vectors=[query_embedding],
            retrieve_vector=False,
            limit=top_k,
            output_fields=["product_name", "product_type", "searchable_text", "waiting_period"]
        )
        return results[0] if results else []
```

## 模块四：FAQ语义问答

### 4.1 FAQ数据结构

```python
@dataclass
class InsuranceFAQ:
    """保险FAQ条目"""
    question: str           # 用户问题
    answer: str             # 标准回答
    category: str           # 分类：核保/理赔/产品/费率
    related_products: list  # 相关产品ID列表
    keywords: list          # 关键词列表

# 示例FAQ数据
SAMPLE_FAQS = [
    InsuranceFAQ(
        question="甲状腺结节能买重疾险吗",
        answer="甲状腺结节1-3级（TI-RADS分级）通常可正常承保，4级及以上需提交近6个月内的超声检查报告，由核保人员评估后决定是否承保及是否附加除外责任。具体以各保险公司核保结论为准。",
        category="核保",
        related_products=[],
        keywords=["甲状腺", "结节", "重疾险", "核保"]
    ),
    InsuranceFAQ(
        question="百万医疗险的免赔额是怎么计算的",
        answer="百万医疗险通常设有1万元免赔额，即当年累计医疗费用超过1万元的部分才由保险公司赔付。部分产品设有0免赔额选项，但对应保费更高。免赔额按自然年度计算，次年重新起算。",
        category="产品",
        related_products=[],
        keywords=["百万医疗险", "免赔额", "计算"]
    ),
    InsuranceFAQ(
        question="重疾险买消费型还是返还型",
        answer="消费型重疾险保费较低，保障期内未出险则保费不退还；返还型重疾险保费较高，保障期满或身故可返还保费或保额。从保障效率角度，消费型性价比更高；从资金规划角度，返还型适合不愿意'白交钱'的投保人。建议优先保障额度充足，再考虑是否返还。",
        category="产品",
        related_products=[],
        keywords=["重疾险", "消费型", "返还型", "对比"]
    ),
]
```

### 4.2 FAQ检索接口

```python
from typing import Optional
import numpy as np

class FAQSearchEngine:
    """FAQ语义检索引擎"""

    def __init__(self, embedding_model):
        self.embedding_model = embedding_model
        self.faqs = []
        self.faq_embeddings = []

    def load_faqs(self, faqs: list[InsuranceFAQ]):
        """加载FAQ并生成向量"""
        self.faqs = faqs
        self.faq_embeddings = [
            self.embedding_model.encode(faq.question)
            for faq in faqs
        ]
        print(f"已加载 {len(faqs)} 条FAQ")

    def search(self, query: str, top_k: int = 3) -> list[dict]:
        """检索最相关的FAQ"""
        query_embedding = self.embedding_model.encode(query)

        # 计算余弦相似度
        similarities = []
        for i, faq_embedding in enumerate(self.faq_embeddings):
            similarity = np.dot(query_embedding, faq_embedding) / (
                np.linalg.norm(query_embedding) * np.linalg.norm(faq_embedding)
            )
            similarities.append((i, float(similarity)))

        # 按相似度排序
        similarities.sort(key=lambda x: x[1], reverse=True)

        results = []
        for idx, score in similarities[:top_k]:
            if score > 0.7:  # 相似度阈值
                results.append({
                    "question": self.faqs[idx].question,
                    "answer": self.faqs[idx].answer,
                    "category": self.faqs[idx].category,
                    "score": score
                })

        return results
```

## 模块五：官网内容生成

### 5.1 产品页面结构化输出

```python
def generate_product_page_html(product: InsuranceProductData) -> str:
    """生成包含结构化数据的产品页面HTML"""

    # Schema.org结构化数据
    schema_data = {
        "@context": "https://schema.org",
        "@type": "InsuranceProduct",
        "name": product.product_name,
        "productID": product.product_code,
        "description": f"{product.insurance_type}，保障{len(product.coverage_diseases)}种疾病/责任",
        "provider": {
            "@type": "Organization",
            "name": "XX保险公司"
        }
    }

    # 生成保障范围HTML
    coverage_html = "\n".join([
        f"<li>{disease}</li>"
        for disease in product.coverage_diseases
    ])

    # 生成免责条款HTML
    exclusion_html = "\n".join([
        f"<li>{exclusion}</li>"
        for exclusion in product.exclusions
    ])

    html = f"""
<script type="application/ld+json">
{json.dumps(schema_data, ensure_ascii=False, indent=2)}
</script>

<article class="insurance-product" itemscope itemtype="https://schema.org/InsuranceProduct">
  <h1 itemprop="name">{product.product_name}</h1>
  <p>备案号：<span itemprop="productID">{product.product_code}</span></p>
  <p>等待期：{product.waiting_period_days}天 | 犹豫期：{product.hesitation_period_days}天</p>

  <section class="coverage-section">
    <h2>保障范围</h2>
    <ul class="disease-list">
      {coverage_html}
    </ul>
  </section>

  <section class="exclusion-section">
    <h2>责任免除</h2>
    <ul class="exclusion-list">
      {exclusion_html}
    </ul>
  </section>
</article>
"""
    return html
```

## 部署说明

整套方案的核心依赖：

| 组件 | 用途 | 腾讯云产品 |
|------|------|-----------|
| OCR识别 | PDF条款文字提取 | 腾讯云OCR |
| 结构化存储 | 产品数据持久化 | 云数据库MySQL |
| 语义索引 | 产品语义检索 | 腾讯云向量数据库 |
| 内容分发 | 产品页面加速 | CDN |
| 接口服务 | 查询API | 云函数SCF |

条款解析的准确率取决于PDF质量。扫描版PDF的OCR识别率约为92-96%，原生PDF可达99%以上。建议对解析结果进行人工抽检，重点核查保障疾病列表和免责条款的完整性。


保险公司的产品信息管理面临一个长期痛点：产品条款以PDF形式存在，更新频繁，版本管理混乱，且无法被AI搜索引擎有效读取。

保险产品信息从PDF到AI可检索：条款解析与知识库构建的工程方案

运营助理

云计算

人工智能

数据库

腾讯云保险产品知识库方案，实现PDF条款AI可检索，包含OCR识别、结构化存储、语义检索等模块，提升保险产品信息管理效率，优化AI搜索引擎推荐效果。

腾讯云向量数据库

结构化数据

向量数据库

云数据库

数据存储

文字识别

数据结构

云函数

ChatGPT

MySQL

2026采购季 | AI焕新·智启新局

tencentdb-catalog

腾讯云数据库特惠，新用户首单0.5折起


对象存储COS新用户低至1元！


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

保险产品信息从PDF到AI可检索：条款解析与知识库构建的工程方案-腾讯云开发者社区-腾讯云

保险产品信息从PDF到AI可检索：条款解析与知识库构建的工程方案

保险产品信息从PDF到AI可检索：条款解析与知识库构建的工程方案

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐