这个品类的数据长什么样
批记录审核的数据主要来源于制药企业生产过程中的纸质或电子批生产记录（Batch Production Record, BPR）和批检验记录（Batch Testing Record, BTR）。这些记录详细记载了物料接收、生产操作、中间控制、包装、检验等环节的信息。数据更新频率通常较低，一个批次生产完成后，记录即相对固定，偶尔会有补充或修订。文档结构高度标准化，遵循 GMP（药品生产质量管理规范）要求，包含固定表格、签名、日期、设备编号、操作参数、偏差记录、批号、效期、检验结果（如含量、纯度、溶出度）等字段。单位涉及质量（kg, g, mg）、体积（L, mL）、时间（min, h）、温度（℃）、压力（Pa）等，部分字段为自由文本描述，如偏差原因、处置措施。
这些特征在「向量模型与索引」这一环带来什么约束
批记录数据的标准化结构和丰富字段，要求向量模型能够捕捉不同类型信息的语义关联。例如，设备编号与操作参数、偏差记录与处置措施之间存在强逻辑关系。较低的更新频率意味着索引构建后，无需频繁重新索引整个数据集，但小范围的修订或补充需要支持增量更新。文档中包含大量数字、单位和专业术语，这些内容对模型的数值理解和领域知识表示能力提出了要求。自由文本描述部分则需要模型具备较强的泛化能力，识别其中的关键信息。此外，批记录通常作为合规性证据，查询结果的准确性和可溯源性至关重要，这意味着召回不仅要全面，还要能精确指向原文出处。
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 | 批记录中单个操作步骤或检验项目的信息量适中，过短可能丢失上下文，过长可能引入无关信息。 |
分段重叠长度 | 100 字符 | 确保跨段落的上下文连续性，避免关键信息被切断。 |
召回条数 | 前 5 条 | 批记录查询通常需要精确匹配，较少的高相关度条目足以覆盖主要信息。 |
相似度阈值 | 0.75 | 确保召回结果与批记录查询意图高度相关，避免引入低相关度的噪声。 |
重排返回条数 | 3 条 | 在召回结果基础上进行精细排序，进一步提升最相关信息的优先级。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 批记录文件可能较大，解析时间需要充足，避免超时失败。 |
容易做错的三处
- 现象：索引创建进度长时间停滞，日志显示
Embedding generation failed。原因：使用的向量模型API调用速率受限或网络连接不稳定，导致批量嵌入生成任务无法顺利完成。 - 现象：查询批记录中的特定数值或单位时，召回结果不准确或缺失。原因：向量模型对数字和单位的语义理解不足，或者分段策略将数值与描述其含义的上下文割裂。
- 现象：已更新的批记录内容未在查询结果中体现。原因：缺少增量索引更新机制，或者更新操作未能正确触发相关文档的重新嵌入与索引。
怎么确认配好了
- 选择一个包含典型批记录信息的测试文档，上传并观察索引构建是否成功完成，检查系统日志无报错。
- 针对该文档，设计包含数字、单位、专业术语和自由文本描述的查询语句，验证召回结果的准确性和完整性，并检查返回的文档片段是否包含查询关键词及上下文。
- 模拟批记录修订场景，修改文档中某个关键字段，然后触发更新操作（如重新上传），再次查询验证修改内容是否被正确索引并能被召回。
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。