这个品类的数据长什么样
生物等效性（Bioequivalence, BE）临床试验预筛所依赖的数据，主要来源于药物临床试验数据库、药代动力学（PK）文献报告、体外溶出度数据以及药物理化性质数据库。这些数据通常以结构化表格、PDF 报告（包含图表和文字描述）、XML 文件或专用PK分析软件输出文件的形式存在。更新频率方面，公开数据库如ClinicalTrials.gov、FDA Orange Book等会定期更新，但具体药物的PK/BE研究报告更新频率较低，往往在新药上市或仿制药申报时集中发布。文档结构上，PK/BE报告通常包含研究方案、受试者信息、给药方案、血药浓度-时间曲线、PK参数（如AUC、Cmax、Tmax）及其统计分析结果。字段方面，常见的有受试者ID、给药剂量、采血时间点、血药浓度（单位通常为ng/mL或µg/mL）、批次号、制剂类型（参比制剂/受试制剂）。
这些特征在「引用来源与溯源」这一环带来什么约束
生物等效性数据的多样性和专业性，对引用来源与溯源提出了特定要求。首先，PDF报告中非结构化表格和图表的识别是关键，确保能准确提取血药浓度等核心数据，并关联到原始图表或表格区域。其次，PK参数的计算和引用需要严格的统计学背景，模型在引用时必须能区分原始数据与推导参数，并追溯到具体的计算方法或统计软件版本。数据更新频率的不一致性，使得在知识库构建时需要明确标注数据来源的发布日期，以避免引用过期信息。此外，专业术语和单位的一致性校验是必要环节，例如血药浓度单位的转换（ng/mL与µg/mL），确保引用时数值的准确性。对于多源异构数据，如何将不同来源的同一药物信息进行整合并提供统一的引用路径，是此环节的挑战。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 兼顾PK/BE报告中段落的完整性与模型上下文窗口限制，避免关键信息被截断。 |
召回条数 | 前 8 条 | 确保能覆盖报告中关键的PK参数表格、血药浓度曲线描述及统计结论，提高召回率。 |
相似度阈值 | 0.78 | 针对专业术语和数值密集型文本，此阈值能有效筛选出高度相关的片段，减少噪声。 |
重排返回条数 | 5 条 | 在召回的基础上，通过重排模型进一步优化相关性，提升最终引用的准确性。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 应对大型PDF报告（如包含数百页血药浓度数据）的解析时间，防止因超时导致解析失败。 |
MAX_KNOWLEDGE_BASE_SIZE_MB | 1024 MB | 考虑单个药物可能包含多份PK/BE报告及相关文献，预留足够的知识库存储空间。 |
容易做错的三处
- 模型未引用知识库内容，或引用内容与实际查询不符，原因可能是分段长度过长或相似度阈值设置过高，导致相关片段未能被有效召回。
- 输出结果中引用的PK参数数值与原始报告不一致，现象是血药浓度单位错误或统计结果差异，原因在于数据预处理时未能正确识别并标准化专业单位或未能区分原始数据与推导数据。
- 在整合多份报告时，模型引用了旧版或非主要来源的数据，现象是结果中出现过时信息，原因在于知识库中未能有效管理不同版本或来源数据的优先级或发布日期。
怎么确认配好了
- 选取多个典型药物的BE报告，对报告中的关键PK参数（如AUC、Cmax）进行提问，核对模型输出中引用的数值、单位与原始报告是否完全一致。
- 针对报告中包含图表的段落进行提问，检查模型是否能准确识别并引用图表标题或图表描述文字，验证非结构化数据的解析能力。
- 上传同一药物不同版本的BE报告，提问关于该药物的最新PK数据，确认模型优先引用最新版本的数据，验证版本管理和来源溯源的有效性。
- 模拟用户提问中包含专业术语或复杂逻辑的场景，检查模型是否能从知识库中召回并整合多处信息，并提供清晰的引用来源路径。
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。