这个品类的数据长什么样
双特异性抗体产品数据主要来源于临床试验报告、专利文献、学术论文、药物说明书以及药企内部研发文档。这些数据更新频率较高，尤其在临床试验阶段，数据会按批次持续发布。文档结构通常包含靶点信息、分子结构、作用机制、药代动力学、药效学、毒理学数据、临床适应症、用法用量、不良反应等标准化字段。其中，分子结构常以 SMILES 字符串、FASTA 序列或 PDB ID 呈现，而药代动力学和药效学数据则包含浓度（如 ng/mL）、时间（如 h）、剂量（如 mg/kg）等带有特定单位的数值。
这些特征在「向量模型与索引」这一环带来什么约束
双特异性抗体的复杂分子结构和作用机制，使得其文本描述具有高度的专业性和特异性。这要求向量模型能有效捕捉生物大分子间的相互作用语义，区分细微的结构差异。临床试验数据的持续更新和大量数值型字段，对索引的实时性与数值检索能力提出了要求。文档中涉及的序列数据（如 FASTA）或结构标识（如 PDB ID）需要特定的预处理方法，将其转化为可向量化的表示。此外，多靶点、多机制的特性增加了信息检索的复杂性，需要向量索引能够支持多维度、高精度的语义匹配，以避免召回不相关的产品信息。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500–750 字符 | 兼顾上下文完整性与向量化精度，避免关键信息被截断 |
分段重叠长度 | 100–150 字符 | 确保分段间语义连续性，尤其在描述作用机制时 |
召回条数 | 8–12 条 | 保证对多靶点、多机制信息的全面覆盖，提高初始召回率 |
相似度阈值 | 按实测标定 | 需根据具体模型和数据集调整，平衡查全与查准 |
重排返回条数 | 3–5 条 | 聚焦最相关结果，减轻后续处理负担 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型临床试验报告和专利文件可能耗时较长，防止因超时中断 |
容易做错的三处
- 上传大量文档后，部分知识库状态显示“未就绪”且无法检索：这通常是由于文件解析或向量化过程中出现异常，系统未自动触发重试机制。
- 搜索结果中出现大量无关或低相关性条目：原因可能是
相似度阈值设置过低，或者分段长度过长导致分段语义不聚焦。 - 更新 FastGPT 版本后，原有索引的知识库无法进行向量检索：这可能是由于向量模型版本不兼容，导致旧索引数据无法被新模型识别。
怎么确认配好了
- 上传具有代表性的双特异性抗体产品文档，检查所有文件是否均显示“已就绪”状态。
- 使用包含分子结构、作用机制、适应症等关键词的查询，验证召回结果的准确性和相关性，并检查
召回条数是否符合预期。 - 针对已知特定靶点或作用机制的查询，观察返回结果中是否包含该靶点或机制的核心信息，并通过调整
相似度阈值观察结果变化，以确定合适的阈值范围。 - 模拟高并发上传任务，检查
PARSE_FILE_TIMEOUT_SECONDS是否足够，防止解析中断。
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。