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研究报告、专利文献、学术论文、药物说明书、监管机构审批文件以及企业内部研发文档。这些数据更新频率相对稳定，通常与临床试验进展、新药上市、专利到期或法规变更同步。文档结构复杂，包含大量专业术语、化学结构式、生物活性数据、药代动力学参数、毒理学信息和临床疗效数据。字段方面，特异性抗体靶点、偶联方式、毒素分子类型、药物抗体比（DAR）、适应症、不良反应、剂量与用法等是核心字段。单位则涉及摩尔浓度（nM）、剂量（mg/kg）、时间（h/天）、反应率（%）等生物医药领域特有计量单位。
这些特征在「知识库检索与召回」这一环带来什么约束
ADC 产品数据的高度专业性和复杂结构，对知识库检索与召回带来了多重约束。其大量专业术语要求语义理解能力强，普通关键词匹配容易漏召或错召。化学结构式与生物活性数据通常以图片或表格形式存在，传统文本向量化难以有效处理，需要结合多模态识别技术。文档更新频率虽然稳定，但每次更新可能涉及大量关键信息修订，对知识库的增量更新和版本管理提出要求。此外，不同来源数据的格式不统一，例如临床报告可能为 PDF，专利为 XML，说明书为 Word，这要求知识库具备强大的异构数据处理能力。字段的特异性意味着需要定制化的实体识别和关系抽取模型，以确保检索结果的精确性，避免无关信息的干扰。
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 | 兼顾语义完整性与召回效率，避免长文本稀释关键信息，短文本丢失上下文。 |
重叠长度 | 100–200 字符 | 确保上下文衔接，处理跨段落的关键信息，减少切分带来的语义割裂。 |
召回条数 | 前 8–12 条 | ADC 咨询通常需要多角度信息支撑，适当增加召回数量以覆盖潜在相关性。 |
相似度阈值 | 按实测标定 | 需根据具体嵌入模型和数据集进行多次测试，平衡查准率与查全率。 |
重排返回条数 | 前 5 条 | 经过重排模型优化，确保最相关的核心信息优先展示，提高用户获取效率。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | ADC 文档复杂，解析耗时较长，增加超时时间以避免因解析中断导致数据缺失。 |
容易做错的三处
- 现象：检索结果中出现大量与 ADC 药物无关的生物制剂或小分子药物信息。 原因：语义嵌入模型未能有效区分 ADC 药物特有的专业名词和上下文，导致相似度计算偏差。
- 现象：用户查询某个 ADC 药物的特定副作用时，系统未能召回相关内容，或召回的信息不完整。 原因：知识库在数据导入时，未能有效从非结构化文本中抽取并结构化副作用、不良反应等关键字段，或分段策略导致关键信息被截断。
- 现象：知识库更新后，一些针对最新临床数据的查询仍然返回旧版本信息。 原因：知识库缺乏有效的版本管理机制或增量更新策略不完善，导致索引未及时同步最新数据。
怎么确认配好了
- 针对核心 ADC 产品查询，比对检索结果与专家提供的参考答案，验证召回内容的准确性和完整性。
- 执行一系列包含专业术语、化学结构式描述的查询，检查是否能准确识别并召回相关文档片段。
- 模拟新发布临床数据的场景，更新知识库后，测试针对新数据的查询能否正确召回。
- 通过 A/B 测试比较不同
召回条数和相似度阈值配置下的用户满意度和查询成功率。
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。