这个品类的数据长什么样
双特异性抗体产品的数据主要来源于临床试验报告、药品说明书、专利文献、学术论文以及监管机构发布的审批文件。这些文档的更新频率不一，临床试验报告和专利文献可能每年甚至每季度有新进展，而药品说明书则随上市后变更而更新。文档结构上，说明书和临床报告通常包含摘要、作用机制、适应症、用法用量、药代动力学、安全性等标准章节。专利文献则侧重技术细节和权利要求。字段方面，特异性抗原靶点、结合亲和力（Kd值）、半衰期（t1/2）、给药途径、剂量单位（如mg/kg）、不良事件发生率等是核心信息。单位常涉及nM、μg/mL、mg/kg、天、小时等。
这些特征在「文档解析与分块」这一环带来什么约束
双特异性抗体文档的特定结构和专业术语，对文档解析提出了高要求。例如，临床试验报告中常包含表格形式的剂量爬坡数据和不良事件列表，需要解析器能准确识别并提取结构化信息。专利文献中复杂的化学结构式和生物序列信息，要求分块时能保持其上下文完整性，避免关键信息被切割。结合亲和力等关键数值往往散布在文本段落中，且可能以多种单位表示，这要求解析能够识别数值及其关联的单位，并能处理单位转换的潜在需求。此外，由于新药研发迭代快，文档更新频繁，解析系统需支持增量解析和版本管理，确保知识库的时效性。
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 | 兼顾上下文完整性与检索效率，避免过长段落稀释关键信息，过短段落丢失语境。 |
分段重叠长度 | 100–200 字符 | 确保分块边界的语义连续性，尤其在描述作用机制、药代动力学等复杂概念时。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型临床报告和专利文档可能耗时较长，防止解析中断。 |
maxContext | 4000 字符 | 保证模型能够接收足够的上下文，理解抗体复杂的生物学特性和作用机制。 |
相似度阈值 | 按实测标定 | 针对双特异性抗体专业术语的相似度，需通过实际查询效果进行校准，确保召回精确。 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 支持上传包含大量图表和数据的详细临床试验报告或大型专利文档。 |
容易做错的三处
- 解析日志提示“marker 报错”或“split 错误”，常见原因是文档中存在无法识别的特殊字符、非标准编码或损坏的PDF结构，导致分词器或预处理模块异常。
- 文件解析速度显著缓慢，甚至超时，通常是由于上传了过大的文件或文件内容过于复杂（如包含大量图片、表格的扫描件），超出了
PARSE_FILE_TIMEOUT_SECONDS设置。 - 文档解析后，关键信息（如特定靶点、Kd值）在检索时缺失或不准确，这可能源于
分段长度设置不当，导致关键短语被截断，或文本预处理未能正确识别专业术语。
怎么确认配好了
- 上传具有代表性的双特异性抗体说明书和临床报告，检查解析后的分块内容，确保关键章节和数据表格的完整性。
- 对解析后的文档执行关键词检索，例如特定抗体名称、靶点或关键数值，验证召回结果是否包含预期信息，并检查
相似度阈值的有效性。 - 模拟用户咨询双特异性抗体产品常见问题，观察AI的回答是否准确引用了文档中的细节，并检查回答中是否出现因
maxContext不足导致的上下文缺失。
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。