CAR-T 细胞治疗产品的部署与升级

这个品类的数据长什么样

CAR-T 细胞治疗产品的数据主要来源于临床试验报告、药物申报资料、学术期刊文献、监管机构数据库以及企业内部研发文档。数据更新节奏相对缓慢，通常与临床试验阶段性成果发布、监管审批进展或年度报告发布同步，可能为数月一次甚至更长。文档结构多样，包括 PDF 格式的临床研究协议、研究者手册、患者知情同意书，以及 Word 或 Excel 格式的原始数据表、生物标志物分析报告等。字段与单位具有高度专业性，例如“细胞扩增倍数”（fold expansion）、“转导效率”（transduction efficiency）、“药物动力学曲线下的面积”（AUC，单位 ng·h/mL）、“毒性等级”（CTCAE grade）、“完全缓解率”（CR rate，百分比表示），以及基因序列、蛋白质结构等生物大分子信息。这些数据往往包含大量非结构化文本描述，对信息提取和标准化提出挑战。

这些特征在「部署与升级」这一环带来什么约束

CAR-T 细胞治疗数据更新频率低，意味着 RAG 系统的知识库同步周期可以拉长，避免不必要的资源消耗。文档结构复杂且包含大量非结构化文本，要求在部署时选择能有效处理 PDF、Word 等多种格式，并具备高级文本解析能力的模型和工具。字段与单位的专业性，以及生物大分子信息的存在，对向量模型的语义理解能力提出更高要求，需要配置专门针对生物医药领域优化的嵌入模型或进行领域微调。数据中包含的敏感临床信息，在部署时必须严格遵守数据隐私和安全法规，例如配置访问控制、数据加密以及审计日志。此外，长文档和多模态数据的存在，会影响分块策略、上下文窗口大小，并可能需要异构数据处理能力，增加部署的复杂性。

配置怎么定

配置项	建议取法	这样取的依据
`UPLOAD_FILE_MAX_SIZE`	`500 MB`	临床试验报告和研究者手册通常包含大量图表和详细描述，单个文件较大。
`maxContext`	`8192 token`	CAR-T 治疗相关文献上下文关联性强，长上下文有助于捕捉完整信息。
`PARSE_FILE_TIMEOUT_SECONDS`	`600 秒`	处理复杂的 PDF 和 Word 文档，特别是包含大量嵌入对象的文件，解析时间较长。
`分段长度`	`800 字符`	兼顾语义完整性和召回效率，避免将关键信息切断。
`召回条数`	`前 10 条`	CAR-T 领域信息密度高，增加召回条数以提高相关性覆盖。
`重排返回条数`	`前 5 条`	经过重排模型筛选后，保留最相关的精炼信息。

容易做错的三处

Rerank 模型部署后未生效，导致召回结果质量不佳。原因在于 config 文件中模型配置路径或名称与实际部署的服务不匹配，或者 FastGPT 界面未正确选择对应的重排模型。
纯内网部署时，OneAPI 服务反复重启，日志提示连接失败。原因通常是 Docker 容器内部无法访问外部网络资源，或者 docker-compose 配置中的网络模式不正确，导致服务间通信受阻。
处理某些 PDF 格式的临床报告时，部分表格或图片内容无法被正确提取，导致关键数据缺失。原因在于文档解析器对特定布局或嵌入对象支持不足，需要更换解析器或进行预处理。

怎么确认配好了

通过上传一份包含复杂表格和图表的 CAR-T 临床试验 PDF 文档，检查知识库中是否能准确提取并展示表格数据和图片描述，并确认 PARSE_FILE_TIMEOUT_SECONDS 未触发超时。
使用包含专业术语如“CD19 靶点”、“细胞因子释放综合征”（CRS）等查询词，核对召回结果的相关性，并验证 召回条数 和 重排返回条数 是否按预期生效。
在 FastGPT 界面选择已部署的 Rerank 模型，提交一个包含多个相关和不相关句子的查询，观察重排后的结果排序是否符合预期，以确认 Rerank 模型功能正常。
检查 Docker 容器日志，确认 OneAPI 服务、FastGPT 服务以及所有依赖组件均处于运行状态，没有 failed 或 restarting 等异常信息。

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。