这个品类的数据长什么样
供应商审计的注册申报资料主要包括审计报告、质量协议、供应商资质文件（如营业执照、生产许可证）、变更记录、不符合项处理报告以及CAPA（纠正与预防措施）文件等。数据来源多样，涵盖内部质量管理系统、供应商提供的纸质或电子文档、以及外部法规数据库。文档格式以PDF扫描件、Word文档、Excel表格为主，部分数据可能以图片形式存在。这些资料的更新频率不一，资质文件通常年度更新或在发生重大变更时更新，审计报告则根据审计周期（通常为1-3年）生成，不符合项和CAPA则具有实时性。文档内容结构化程度差异大，部分表格数据易于提取，但大量审计报告和质量协议包含非结构化的文本描述，涉及质量体系、生产工艺、检验方法、设备验证等专业内容，以及日期、批次号、产品名称、供应商代码等关键字段。
这些特征在「模型接入与配置」这一环带来什么约束
供应商审计资料的多样化数据来源和非结构化特性，对模型接入提出了多项约束。PDF扫描件和图片格式要求模型具备强大的OCR识别能力，以准确提取文本内容，尤其是审计报告中的复杂表格和手写批注。更新频率的不一致性意味着知识库需要支持增量更新和版本管理，确保模型始终基于最新资料进行回答。大量非结构化文本内容，特别是涉及专业术语和法规条款的审计发现和CAPA，要求模型在向量化时能捕捉深层语义，避免仅基于关键词的浅层匹配。此外，关键字段如批次号和供应商代码的识别，需要模型能处理多种格式和编码，并进行实体抽取。这些约束决定了在模型配置时，需要侧重文本预处理、向量召回策略以及特定实体识别能力的优化。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500–800 字符 | 审计报告和质量协议中，单个段落包含的专业信息量较大，适当增加分段长度有助于保持上下文完整性。 |
分段重叠长度 | 100 字符 | 确保相邻分段之间有足够的重叠，以避免关键信息被切割，尤其是在跨段落引用时。 |
相似度阈值 | 0.75–0.85 | 供应商审计文档的专业性强，高阈值有助于精确匹配与查询高度相关的技术细节和法规条款。 |
召回条数 | 10–15 条 | 考虑到审计资料的复杂性和潜在的关联性，增加召回条数可以提高模型获取全面上下文的概率。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型PDF审计报告和多页质量协议时，文件解析耗时较长，需要延长超时时间。 |
maxContext | 4000–8000 Token | 确保模型能容纳足够多的召回文本片段，特别是当查询涉及多个审计发现或变更历史时。 |
容易做错的三处
- 模型在回答供应商资质问题时出现关键字段（如注册号、有效期）缺失或错误，原因在于OCR识别对非标准排版或低质量扫描件的鲁棒性不足，导致实体抽取失败。
- 用户提问某个供应商的特定审计发现时，模型返回的结果与期望偏差较大，这通常是由于向量召回时
相似度阈值设置过低，导致召回了大量不相关的通用文本片段。 - 上传大批量的供应商审计报告文件时，系统提示文件处理失败或超时，日志显示
PARSE_FILE_TIMEOUT_SECONDS错误，反映出默认的文件解析超时时间不足以处理复杂或高页数的PDF文档。
怎么确认配好了
- 上传具有代表性的多格式供应商审计资料，包括扫描PDF、Word文档和Excel表格，检查文本抽取结果的完整性和准确性，特别是关键日期、批次号和不符合项描述。
- 构造一系列包含专业术语和具体法规条文的查询，比对模型返回的答案，确认其与原始文档内容的高度一致性，并检查引用文档的准确性。
- 针对不同供应商的审计报告，分别提出涉及质量缺陷、CAPA跟踪和变更历史的问题，评估模型能否区分并提供对应供应商的特定信息，以验证知识库的区分能力。
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。