这个品类的数据长什么样
先导优化阶段的研发文档主要包括实验报告、分子结构数据、药代动力学（ADME）报告、毒理学研究记录和合成路线设计等。这些文档通常以 PDF、Word 或结构化数据文件（如 SDF、CSV）形式存在。更新频率取决于实验进展，可能每日、每周甚至实时更新。文档结构多样，部分为自由文本描述，部分包含表格和图谱。字段方面，常见的有化合物 ID、CAS 号、分子式、分子量、活性数据（如 IC50、Ki）、理化性质（如 LogP、溶解度）、ADME 参数（如血浆蛋白结合率、代谢稳定性）和毒性指标。单位则涉及摩尔浓度（nM、μM）、质量（mg、g）、时间（h、min）等，且不同实验室或报告可能采用不同的单位表示。
这些特征在「多轮对话与提示词」这一环带来什么约束
先导优化文档的混合结构对多轮对话提出了挑战。自由文本部分需要强大的语义理解能力来提取关键信息，而结构化数据则要求精准的字段识别和单位转换。例如，用户可能在对话中询问“化合物 XYZ 的 IC50 是多少？”，系统需要识别化合物 ID，并在不同报告中找到对应的活性数据。ADME 和毒理数据更新的实时性要求知识库具备快速同步和索引的能力，确保对话结果基于最新数据。此外，不同单位的混用要求在对话中能进行智能转换或澄清，避免误解。多轮对话的复杂性还体现在用户可能追问“这个化合物的溶解度如何？”或“它与哪个已知的分子结构相似？”，这要求系统能保持上下文，并从多个维度的文档中进行关联检索和信息整合。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8 轮 | 先导优化对话常涉及多步骤推理和信息追溯，8 轮可覆盖多数场景，保持上下文连贯性。 |
分段长度 | 800–1200 字符 | 实验报告段落较长，过短易丢失上下文，过长则增加 LLM 处理负担和噪音。 |
召回条数 | 前 10 条 | 保证初期召回足够多的潜在相关文档片段，尤其在信息分散时。 |
相似度阈值 | 0.78 | 经验值，平衡召回率与准确性，避免无关片段干扰。 |
重排返回条数 | 前 5 条 | 对召回结果进行二次筛选，聚焦最相关信息，提升最终响应质量。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型实验报告或结构化数据文件可能耗时，避免解析中断。 |
容易做错的三处
- 现象：用户询问特定化合物的活性数据，但返回结果中该字段为空或显示“未找到”。原因：文档解析时未能正确识别或提取不同格式（如表格、图谱说明）中的活性数据字段，或因单位不匹配导致过滤。
- 现象：用户在多轮对话中追问化合物的毒性信息，但系统未能关联到之前的化合物 ID，而是要求用户重新提供。原因：
maxContext参数设置过低，导致上下文丢失，未能保持对话的历史状态。 - 现象：工作流中 AI 对话变量无法获取代码运行输出的分子结构优化结果。原因：代码运行输出未按照预期的数据结构或格式写入到工作流变量中，导致 AI 模块无法正确解析。
怎么确认配好了
- 选择 5–10 个典型先导优化场景，模拟用户从起始问题到三次追问的多轮对话，核对每次回复是否准确且上下文连贯，并检查回复中提到的数据是否与原始文档一致。
- 上传包含不同格式（PDF、Word、CSV）和单位（nM、μM、mg/kg）的研发文档各 3-5 份，检查文档解析后知识库中关键字段（如 IC50、LogP）的提取是否完整且单位转换是否正确。
- 在 FastGPT 日志中监控
PARSE_FILE_TIMEOUT_SECONDS和maxContext相关事件，确认在处理大型文件或复杂多轮对话时未出现超时或上下文截断的警告。
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。