抗体偶联药物 ADC注册申报资料准备的向量模型与索引

这个品类的数据长什么样

抗体偶联药物（ADC）的注册申报资料涉及生物制剂、小分子药物以及连接技术的多重数据类型。数据来源包括临床前研究报告、临床试验报告、CMC（化学、制造与控制）文件、药理毒理学报告、质量控制标准及法规符合性文件。这些资料通常以 PDF、Word 文档和结构化数据表（如 Excel）的形式存在。文档更新频率较高，尤其是在临床试验阶段，数据会持续累积和修订。文档结构复杂，包含大量专业术语、缩写、图表和表格。关键字段包括抗体序列、有效载荷结构、偶联比（DAR）、批次号、分析方法、稳定性数据和药代动力学参数。单位涵盖摩尔浓度（nM）、剂量（mg/kg）、时间（h）、温度（℃）等，精确性和一致性要求极高。

这些特征在「向量模型与索引」这一环带来什么约束

ADC 注册申报资料的复杂性对向量模型和索引提出了特定要求。首先，多模态数据源和复杂文档结构意味着需要能够处理文本、表格和图表信息的向量模型，单一的文本嵌入模型可能不足以捕捉全部语义。其次，专业术语和缩写密集，要求向量模型具备高度的领域专业知识，以避免语义漂移或误解。高更新频率则要求索引系统支持高效的增量更新和版本管理，确保检索到的信息始终是最新且准确的。此外，对精确性和一致性的高要求，使得相似度搜索的阈值设置需格外精细，避免召回不相关或语义模糊的结果，影响合规性判断。最后，关键字段和单位的识别与提取能力，对向量化和查询过滤策略提出挑战，需要结合元数据过滤才能有效缩小搜索范围。

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`	兼顾上下文完整性与向量模型处理能力，避免过长文本稀释关键信息。
`分段重叠长度`	`100–200 字符`	确保跨段落的语义连贯性，尤其对复杂描述和论证段落。
`召回条数`	`前 20 条`	增加初始召回范围，以应对专业术语可能导致的弱匹配。
`相似度阈值`	按实测标定，区间在 `0.75–0.85` 之间	针对 ADC 领域术语的精确性要求，结合领域语料库测试确定。
`重排返回条数`	`前 5 条`	聚焦最相关内容，减少工程师筛选负担，提升效率。
`PARSE_FILE_TIMEOUT_SECONDS`	`600 秒`	应对大型 PDF 和复杂表格解析，避免超时导致索引失败。

容易做错的三处

知识库状态长期处于“索引中”：这通常是由于文件解析超时或向量模型服务连接中断，特别是处理大型或格式复杂的 ADC 资料文件时。
搜索结果相似度值异常高（如 10000+）：这表明向量模型配置或数据归一化存在问题，导致相似度计算结果超出预期范围，无法进行有效过滤。
检索结果与预期偏差大，关键信息缺失：可能的原因是分段策略不合理，导致重要上下文被切断，或向量模型领域知识不足，无法准确理解 ADC 资料中的专业术语。

怎么确认配好了

上传典型 ADC 申报资料样本，检查知识库索引状态是否正常完成，并验证文件解析日志是否存在异常。
使用包含 ADC 核心概念的查询语句进行检索，检查返回结果的相似度值是否在合理区间内，并能通过调整相似度阈值有效过滤。
针对特定 ADC 药物的关键字段（如偶联比、批次信息）进行精确查询，核对召回文档中是否包含这些字段的准确信息，并检查重排返回条数内的结果相关性。

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。