这个品类的数据长什么样
稳定性研究数据主要来源于药物研发过程中的长期、加速和中间条件试验报告。这些报告通常是结构化的 PDF 文档，包含多页表格和图表，记录了不同时间点（例如 0、1、3、6、9、12、18、24、36、48、60 个月）的检测结果。数据更新频率相对较低，通常随试验批次和时间点的推进定期生成。文档中包含的字段包括批号、检测项目（如含量、有关物质、溶出度、pH值、水分）、检测结果、单位（如 %、mg/片、分钟）、检测方法、判定标准、以及图表形式的趋势分析。某些关键指标可能涉及统计学处理，其结果以数值或图示形式呈现。
这些特征在「模型接入与配置」这一环带来什么约束
稳定性研究数据以结构化和半结构化的 PDF 文档为主，包含大量表格和嵌入式图表，这对模型的文档解析能力提出了较高要求。传统的文本分段方法可能难以有效识别和提取表格中的行与列数据，导致关键数值和单位丢失或关联错误。此外，图表中的趋势信息对RAG模型而言难以直接理解，需要依赖图像解析能力或预处理。更新频率较低意味着知识库构建时一次性导入大量历史数据是常态，后续增量更新以新批次或新时间点数据为主。参数配置需要重点关注文档解析的深度和广度，特别是对表格结构和多页内容的连续性处理。由于涉及专业术语和计量单位，模型输出的准确性和单位一致性是关键，需要通过精确的分段长度和相似度阈值来确保。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 500 MB | 稳定性报告文件通常较大，包含多图表和详细数据。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 复杂 PDF 文件解析，特别是包含大量表格，需要更长的处理时间。 |
分段长度 | 800–1200 字符 | 确保表格行或关键段落的完整性，避免跨段截断。 |
召回条数 | 8–12 条 | 保证覆盖稳定性研究中多批次、多时间点的数据关联。 |
相似度阈值 | 0.75–0.85 | 提高召回结果的准确性，过滤掉不相关的试验数据。 |
maxContext | 4096 tokens (取决于所选模型) | 确保能够容纳足够多的上下文信息，特别是表格数据。 |
容易做错的三处
- 知识库未能正确解析 PDF 中的表格数据，导致查询稳定性趋势或特定时间点数值时返回结果不完整或字段缺失。原因在于未启用或配置合适的表格解析插件，或者
分段长度设置过小导致表格被错误切分。 - 接入境外大模型时出现连接失败或响应缓慢，导致无法正常进行问答。原因可能是网络环境限制或 API Key 配置不正确，新版本 FastGPT 对模型服务商的区域性访问策略有更新。
- 用户上传图片格式的稳定性图表后，模型无法从中提取数据或趋势信息，导致回答无法基于图表内容。原因在于 FastGPT 知识库默认不直接解析图片内容，需要额外配置图像解析模型或进行预处理。
怎么确认配好了
- 上传一份包含多页表格和图表的稳定性研究报告 PDF，查询其中特定批号在某一时间点的含量百分比，验证返回结果的数值和单位是否准确。
- 针对稳定性趋势（如“随时间推移有关物质的变化”）进行提问，检查模型是否能从知识库中召回并整合不同时间点的数据，形成有逻辑的回答。
- 模拟一次模型接入失败后的重试过程，观察日志输出或界面提示，确认错误处理机制是否符合预期，例如
PARSE_FILE_TIMEOUT_SECONDS超时后是否能正常报告解析失败。 - 使用不同版本的 FastGPT 客户端或API接口，验证知识库和模型配置在不同环境下的兼容性和一致性。
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。