这个品类的数据长什么样
抗体偶联药物（ADC）产品的数据主要来源于临床试验报告、专利文献、科研论文、药物说明书以及各类生物信息学数据库。这些数据更新频率较高，尤其是在临床试验阶段，数据会实时产生。文档结构复杂，常包含大量非结构化文本、图表、分子结构式、序列信息、药代动力学数据和毒理学报告。关键字段包括抗体序列、连接子化学结构、毒素分子式、偶联比（DAR）、靶点信息、适应症、临床阶段、不良反应和生产批次。单位方面，常见有摩尔浓度（nM）、剂量（mg/kg）、半衰期（小时）、生物利用度（%）和各种毒性指标（如IC50、LD50）。
这些特征在「工具调用与插件」这一环带来什么约束
ADC产品数据的高度复杂性和多模态特性，对工具调用与插件的配置提出了特定要求。首先，非结构化文本、图表和分子结构式需要专门的解析工具，例如光学字符识别（OCR）或分子结构识别插件，以提取关键信息。其次，数据更新的频率要求工具能够支持实时或近实时的API调用，获取最新临床进展或专利信息。多模态数据的处理意味着在单一工作流中，需要智能路由机制将不同类型的数据分发给相应的处理模型，例如将分子结构交给化学信息学工具，将纯文本交给自然语言处理模型。此外，字段和单位的标准化是关键，插件需要能够识别并转换不同来源数据的单位，确保数据一致性，避免因单位不匹配导致的错误计算或分析。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
max_tokens | 4000 | 确保能够处理包含详细实验数据和背景描述的ADC产品文档，避免截断关键信息。 |
tool_choice | auto 或 {"type": "function", "function": {"name": "extract_adc_info"}} | ADC数据处理常需调用特定工具进行分子结构解析或药代动力学计算，auto模式可智能选择，也可明确指定工具以提高准确性。 |
file_upload_limit_mb | 100 MB | 临床报告和专利文档常附带高分辨率图表和分子结构图像，文件大小普遍较大。 |
parse_timeout_seconds | 300 秒 | 处理复杂的PDF文档，尤其是包含大量图表和表格的ADC报告时，解析耗时较长。 |
embedding_model | text-embedding-3-large | 捕捉ADC产品复杂的生物学和化学特征，提高相似度匹配的精度。 |
similarity_threshold | 0.75 | 针对ADC产品特有的专业术语和分子结构描述，较高的相似度阈值有助于召回更精确的结果。 |
容易做错的三处
- 工具调用返回空值或不完整：原因常是插件未能正确解析ADC分子结构式或药代动力学图表，导致关键字段提取失败。
- 多模态数据处理流程中断：现象为纯文本信息被发送至分子结构解析工具，或分子结构图被送入纯文本处理模型，原因在于工作流编排中缺乏对输入数据类型的正确识别和路由。
- API调用超时：现象为外部系统调用FastGPT API时，长时间无响应或返回504错误，原因通常是处理大型ADC临床试验报告或复杂分子结构计算时，后端处理时间超出了API网关或代理的默认超时设置。
怎么确认配好了
- 上传典型ADC产品说明书PDF，验证关键信息（如DAR值、靶点蛋白、毒素类型）能够被准确抽取并结构化。
- 构建包含纯文本问题和分子结构图的混合查询，验证系统能够正确路由至对应的文本问答模型和分子结构识别工具。
- 通过API接口调用一个包含多步骤工具调用的ADC咨询场景，记录并分析API响应时间，确保在预期时间内返回结果。
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。