这个品类的数据长什么样
稳定性研究的数据主要来源于长期稳定性试验、加速稳定性试验和强制降解试验报告。这些报告通常以结构化的表格形式呈现，包含批号、生产日期、包装形式、考察时间点、温度湿度条件、以及各项理化指标（如含量、有关物质、溶出度、pH值、水分等）的检测结果。数据更新频率相对较低，通常遵循 ICH 指南或药典要求，在预设的时间点（如 0、1、3、6、9、12、18、24、36、48、60 个月）进行检测并生成报告。文档通常是 PDF 格式的检测报告、研究方案和总结报告。字段单位明确，如含量百分比、ppm、μg/mL，并且常伴有统计学分析结果。
这些特征在「知识库检索与召回」这一环带来什么约束
稳定性研究报告的高度结构化表格数据给知识库检索带来挑战。传统的文本分段可能无法有效保留表格中行与列的语义关联，导致检索时丢失关键信息。时间序列数据（不同时间点的检测结果）需要特殊的处理方式，确保能按时间轴进行关联检索。报告更新频率低，意味着知识库构建初期需要一次性摄入大量历史数据，后续增量更新较少。字段与单位的规范性要求检索结果能够精确匹配，避免因单位不一致导致误判。同时，由于数据量通常较大，对检索效率和准确性提出了更高要求，避免出现查询超时或召回不完整的情况。
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 | 兼顾表格行数据完整性与上下文关联，避免单个分段过大或过小。 |
分段重叠长度 | 100 字符 | 确保相邻分段之间有足够的上下文信息重叠，提高语义连续性。 |
召回条数 | 8–12 条 | 考虑到稳定性报告中多批次、多时间点数据的复杂性，增加召回量以覆盖更多相关信息。 |
相似度阈值 | 0.75 | 稳定性数据对准确性要求高，较高阈值可确保召回结果与查询意图高度相关。 |
重排返回条数 | 5 条 | 经过重排模型优化，精选最相关的条目，避免无关信息干扰。 |
解析超时时间 | 600 秒 | 稳定性报告文件可能较大，包含复杂表格，预留充足解析时间防止超时。 |
容易做错的三处
- 检索结果中出现大量无关的报告片段，原因是
相似度阈值设置过低，导致非核心内容也被召回。 - 查询特定批次或时间点的稳定性数据时，返回结果不完整或字段缺失，这通常是由于
分段长度设置不当，表格数据被错误截断，导致语义单元不完整。 - 上传大型稳定性研究报告文件时提示解析失败或页面无响应，可能是
解析超时时间配置不足以处理复杂文档结构。
怎么确认配好了
- 选择一份包含典型表格数据的稳定性报告进行导入，检查知识库分段是否能完整保留表格的行与列信息，确保关键字段未被截断。
- 针对不同批次、不同时间点的稳定性指标提出查询，核对召回的知识片段是否准确指向报告中的对应数据点，并检查
召回条数与重排返回条数是否符合预期。 - 尝试查询一些边界条件或多义词，观察检索结果的
相似度得分，并与预期相关度进行比对，以确定相似度阈值的合理性。 - 模拟同时上传多个大型稳定性报告文件，监控系统资源占用和文件处理状态，确保
解析超时时间足以应对高并发和大数据量场景。
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。