这个品类的数据长什么样
抗体偶联药物（ADC）临床试验预筛的数据主要来源于公共数据库（如 ClinicalTrials.gov、FDA、EMA 注册库）、专业生物医药数据库（如 Pharmaprojects、Cortellis）、以及企业内部的临床研究数据。这些数据通常包含靶点信息、偶联子类型、毒素分子、连接子、给药方案、适应症、入组/排除标准、生物标志物数据、研究中心信息和阶段进展。更新频率因数据源而异，公共数据库通常每周或每月更新，专业数据库则可能实时追踪。文档结构多样，包括结构化的表格数据（CSV、Excel）、非结构化的临床研究报告（PDF）、以及半结构化的网页信息。字段方面，ADC 特有地包含药物抗体名称、有效载荷名称、药物抗体比率 (DAR)、连接子类型等，单位如 μg/kg、mg/m² 等。
这些特征在「工具调用与插件」这一环带来什么约束
ADC 临床试验预筛数据的多样性对工具调用与插件提出了特定要求。首先，数据来源的广泛性意味着需要支持多源数据接口，例如 API 调用公共数据库、解析 PDF 格式的临床报告、抓取网页内容。其次，更新频率差异要求插件具备定时同步和增量更新能力，以确保预筛结果基于最新数据。ADC 药物特有的字段，如 DAR 和连接子类型，需要工具调用能准确识别并提取这些关键信息，这可能涉及到自定义实体识别模型或正则表达式。此外，临床试验报告中的非结构化文本，如详细的入组排除标准，要求插件具备高级的自然语言处理能力，将其转化为可供结构化查询的条件。不同单位的统一化处理也是一个约束，例如剂量单位的转换，需要调用外部工具进行标准化。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 800–1200 字符 | 适应 ADC 临床试验报告中较长的入组排除标准描述 |
分段长度 | 400 字符 | 兼顾语义完整性和召回效率，避免长段落稀释关键信息 |
相似度阈值 | 0.75 | 保证在复杂临床术语中能准确匹配相关信息，减少误召回 |
召回条数 | 前 10 条 | 覆盖 ADC 临床试验预筛可能涉及的多个维度信息 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 应对大型 PDF 格式临床试验报告的解析需求 |
API_REQUEST_RETRIES | 3 次 | 提高对外部公共数据库 API 调用时的稳定性 |
容易做错的三处
- 工具调用返回空结果或不完整数据：原因在于未正确配置 API 请求参数，导致查询条件无法匹配 ADC 药物的特定字段。
- 高级编排中的工具调用超时：原因在于解析大型临床试验 PDF 报告时，未设置足够的
PARSE_FILE_TIMEOUT_SECONDS。 - 知识库搜索结果与预期不符：原因在于知识库分段策略不适合 ADC 报告中密集且专业的术语，导致语义分割不准确。
怎么确认配好了
- 针对不同数据源，模拟 API 调用并检查返回的 JSON 结构与字段内容，确保 ADC 关键信息（如 DAR 值）正确提取。
- 上传典型 ADC 临床试验 PDF 报告，检查解析日志，确保无超时错误，并验证关键信息字段的提取完整性。
- 执行包含 ADC 特有术语的预筛查询，检查知识库召回结果的相关性，确保相似度阈值能有效筛选。
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 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。