这个品类的数据长什么样
批记录审核涉及的数据主要来源于制药企业生产过程中的批生产记录、批检验记录、偏差调查报告、变更控制记录等。这些文档通常以 PDF、Word 或扫描图片形式存储，部分系统导出为结构化的 XML 或 CSV 文件。数据更新频率较高，每次生产批次完成或质量事件处理完毕都会产生新数据。文档结构复杂，包含大量表格、图表、手写批注和特定术语。字段包括生产日期、批号、物料批号、操作人员、设备编号、关键工艺参数（如温度、压力、时间）、偏差描述、调查结论、纠正预防措施（CAPA）等，单位涉及温度（℃）、压力（MPa）、时间（min/h）、体积（L/mL）、质量（kg/g）等，且同一字段在不同记录中可能存在多种表达方式。
这些特征在「知识库检索与召回」这一环带来什么约束
批记录数据的高度结构化与半结构化并存的特点，对知识库的文档解析能力提出要求。大量的表格和图表需要精确识别，才能提取出关键参数。频繁的数据更新意味着知识库需要支持高效的增量索引和版本管理，以确保检索结果的时效性。文档中特有的生物医药术语和缩写，要求向量模型具备良好的领域理解能力，避免因词汇差异导致召回不足。多样的字段和单位，以及其在不同文档中的表达差异，使得精确匹配和模糊匹配策略都需要被考虑。例如，查询“XX批号的冷却时间”时，需要能从不同格式的批记录中准确抽取并比较冷却时间字段的值，并理解 min 与 小时 间的换算。
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 | 批记录中的关键信息常以较长的段落或表格行形式出现，过短的分段可能切断上下文，影响语义完整性。 |
分段重叠 | 100 字符 | 确保段落边界信息不丢失，尤其在跨段落关联的工艺参数和偏差描述场景。 |
召回条数 | 前 8–12 条 | 批记录审核需全面考量多个相关文档或文档片段，适当增加召回数量以提升覆盖率。 |
相似度阈值 | 0.75–0.82 | 批记录审核对准确性要求高，过低的阈值会引入过多噪声，过高则可能遗漏相关度稍低的有效信息。 |
重排返回条数 | 前 5 条 | 对初次召回的结果进行二次排序，确保最相关的关键信息优先呈现，减少工程师的筛选负担。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 考虑到批记录文件通常较大，包含复杂表格和多页内容，需要更长的解析时间以避免超时报错。 |
容易做错的三处
- 知识库搜索结果为空，或返回不相关内容，原因可能是文档解析时表格结构未被正确识别，导致关键数据未被索引。
- API 调用返回的结果与在线对话不一致，特别是在
stream设置为false时，可能是由于 API 调用中未正确传递detail参数或版本间行为差异。 - 导入 CSV 文件后中文内容显示乱码，通常是文件编码问题，即使设置了编码，如果原始文件保存时编码不符，仍会显示异常。
怎么确认配好了
- 选取典型批生产记录、检验报告等文档上传至知识库，检查文档解析后的内容是否完整，特别是表格数据和关键参数是否正确提取。
- 针对批号、关键工艺参数（如“反应温度 60℃”、“批次偏差编号 D2023001”）等进行检索，验证召回结果是否包含预期文档片段，并评估其相关性。
- 模拟实际审核场景，输入复杂查询，如“查找批号
P20230101在混合工序的压差异常记录”，检查系统是否能准确召回相关偏差报告和批生产记录，并验证返回的召回条数和重排返回条数是否符合配置预期。
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。