这个品类的数据长什么样
CAR-T 细胞治疗领域的研发文档主要来源于临床试验报告、研究论文、专利申请以及药品监管机构提交的申报材料。这些数据更新频率较高，特别是临床试验进展和最新研究成果，可能按季度甚至月度发布。文档形式多样，包括 PDF 格式的报告、Word 文档、Excel 表格、以及部分在线数据库记录。典型的结构化字段包括受试者信息、治疗方案（如 CAR-T 细胞构建、剂量、输注方式）、治疗周期、安全性评估（不良事件类型、等级、发生率）、有效性评估（客观缓解率、完全缓解率、疾病控制率、缓解持续时间）以及生物标志物数据。计量单位涉及细胞数量（如 10^6 细胞/公斤）、剂量（如 mg/kg）、时间（天、月、年）、百分比等，且常伴有特定的医学术语和缩写。
这些特征在「模型接入与配置」这一环带来什么约束
CAR-T 细胞治疗文档的专业性和数据密集型特点，对模型接入与配置提出了特定要求。首先，文档中大量表格和嵌套结构需要更强的多模态解析能力，纯文本模型可能难以准确提取。其次，频繁更新的研究进展意味着知识库需支持高效率的增量更新和版本管理，避免过时信息误导。再次，安全性评估和有效性评估中的数值与医学术语紧密关联，模型需能理解上下文语境，区分不同类型的不良事件和疗效指标，避免因单位或术语混淆导致的错误解析。例如，对 CR（完全缓解）与 PR（部分缓解）的识别，以及对剂量单位 µg/kg 和 mg/kg 的正确转换。此外，文档长度通常较大，要求模型能够处理长上下文，确保信息完整性。
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 | CAR-T 文档段落逻辑性强，确保语义完整性，同时兼顾模型处理能力。 |
重叠长度 | 100–200 字符 | 保证段落间上下文连续性，尤其在表格、图注等复杂信息边缘。 |
maxContext | 8192 或更高 | 应对长篇临床报告和研究论文，确保模型能覆盖足够多的上下文。 |
相似度阈值 | 0.78–0.85 | 平衡召回与精确度，过滤掉大量医学术语相似但实际内容无关的片段。 |
向量模型 | text-embedding-ada-002 或具备医学领域优化能力的模型 | 提升对专业术语和生物医学概念的理解与向量化准确性。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 应对大型 PDF 文档解析，避免因超时导致文件处理失败。 |
容易做错的三处
- 添加了语音模型后，界面仍提示浏览器不支持语音输入。这通常是由于前端缓存未刷新，或者后端服务未正确加载或识别新的模型配置。
- 知识库问题优化中的模型配置只能选择 GPT-3.5。这可能是由于 OneAPI 或自定义渠道配置中，只注册了 LLM 模型，缺乏对应的向量嵌入模型或多模态解析模型。
- 页面查看模型上下文显示 30 条，但实际发送给 OneAPI 的数据有 310 条。这可能是 FastGPT 内部的上下文展示逻辑与实际发送给上游模型的参数配置不一致，或者 OneAPI 对输入长度有额外的限制或分片处理。
怎么确认配好了
- 上传一份包含复杂表格和图注的 CAR-T 临床试验报告 PDF，检查是否能准确提取表格数据和图注文本。
- 针对 CAR-T 领域特定的安全性和有效性指标，例如
CR、AEs、ORR等，通过提问验证模型能否从文档中准确召回相关数据和解释。 - 观察日志输出，确认文件解析过程中没有出现
PARSE_FILE_TIMEOUT或embedding_model_not_found等错误信息。 - 在知识库问答中，调整
相似度阈值并测试，根据返回结果的相关性与召回条数，确定合适的阈值范围。
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。