这个品类的数据长什么样
抗体偶联药物（ADC）的制度与标准操作程序（SOP）数据主要来源于药企内部的质量管理体系、研发生产部门的规章制度以及国家药监部门发布的法规文件。这些文档通常以 PDF、Word 或内部知识管理系统的形式存在，具有高度的结构化和规范性。更新频率相对较低，主要在法规修订、新药研发阶段或生产工艺优化时进行。文档中包含大量专业术语、化学结构命名、剂量单位（如 mg/kg）、批次信息、生产流程步骤以及质量控制指标（如 HPLC 纯度、LOD、LOQ）。文档长度从几十页到数百页不等，且往往互相引用，构成复杂的知识网络。
这些特征在「向量模型与索引」这一环带来什么约束
ADC 制度文档的高度结构化和专业术语密集性，要求向量模型能精准捕捉词义和上下文关系，避免因专业词汇的歧义导致召回偏差。文档间的交叉引用使得单一文本块可能无法提供完整语义，因此需要考虑更长的上下文窗口或多文档关联策略。较低的更新频率意味着模型训练和索引构建可以采用更稳定的周期，但每次更新都需要确保对新旧知识的无缝衔接。大量数字和单位的存在，对向量化过程中的数值表示和量纲一致性提出了要求，尤其在涉及剂量、纯度等关键指标时，需要防止数值被泛化导致信息丢失。此外，文档往往包含图表和化学结构式，纯文本向量化难以有效处理，可能需要结合多模态嵌入或图像识别技术。
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 | ADC 制度文档的段落通常较长，包含完整的操作步骤或规定，较长的分段长度有助于保留上下文语义。 |
分段重叠长度 | 100–200 字符 | 确保相邻分段之间存在足够的上下文重叠，以应对跨段落的专业术语和流程描述。 |
相似度阈值 | 0.75–0.85 | ADC 制度问答对准确性要求高，高阈值可以有效过滤不相关或低质量的召回结果。 |
召回条数 | 10–15 条 | 考虑到文档的复杂性和相互引用，召回更多条目有助于覆盖潜在关联信息，提供更全面的回答。 |
embedding_model | Qwen3-Embedding-8B | 模型对生物医药领域专业术语的理解能力较强，能更好地处理 ADC 相关的专业文本。 |
maxContext | 4096 tokens | 保证模型能处理足够长的输入上下文，以理解复杂的制度条款和操作流程。 |
容易做错的三处
- 现象：用户提问关于特定批次 ADC 药物的生产规定时，召回结果中缺少关键的批次管理SOP。 原因：文档切分时，批次信息（如
Batch ID）可能被分割到不同的文本块，导致单个块语义不完整，向量化后难以精确匹配。 - 现象：在 FastGPT 中配置连接 VLLM 部署的
Qwen3-Embedding-8B模型时出现Connection refused错误。 原因：VLLM 服务未正确启动或监听端口与 FastGPT 配置的embedding_model连接地址不匹配，导致 FastGPT 无法建立连接。 - 现象：知识库构建完成后，磁盘占用远超预期，包含大量冗余文件。 原因：知识库在处理 PDF 等格式文档时，可能未清理中间生成的文本提取文件或图像缓存，导致存储资源浪费。
怎么确认配好了
- 上传典型 ADC 制度文档，检查知识库文档切分预览，确保关键的专业术语、参数（如
μg/mL）和操作步骤被完整保留在单个文本块内。 - 针对特定 ADC 药物的质量控制、生产流程或合规性问题进行提问，观察召回结果，评估其是否准确涵盖了相关制度文件，并通过调整
相似度阈值观察召回条目的变化。 - 检查 FastGPT 后台日志，确认
embedding_model连接状态正常，且没有出现因 API 请求超时或参数错误导致的嵌入失败记录。 - 定期查看向量数据库（如 Milvus）的存储空间使用情况，比对实际文档数量和向量维度，评估存储增长是否符合预期，避免因索引膨胀导致资源浪费。
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。