这个品类的数据长什么样
先导优化阶段的数据主要来源于高通量筛选实验报告、化合物合成记录、体外活性测试数据、ADMET（吸收、分布、代谢、排泄、毒性）预测报告和晶体结构分析报告。这些文档通常以 PDF、Word、Excel 或化学结构文件（如 SDF、MOL2）的形式存在。数据更新频率较高，尤其在化合物合成与活性测试环节，实验结果可能每天都会产生。文档结构呈现多样性，实验报告通常包含实验目的、方法、结果、结论等章节，其中结果部分常包含表格数据、图谱和化学结构式。字段方面，涉及化合物 ID、CAS 号、分子量、活性值（如 IC50、Ki）、ADMET 参数（如 LogP、TPSA）、细胞系名称、测试批次等，单位则涵盖 nM、μM、mg/kg、log单位等，且单位表示方式可能不统一。
这些特征在「引用来源与溯源」这一环带来什么约束
先导优化数据的多样性、高更新频率和复杂结构对引用来源与溯源提出了特定要求。首先，文档中大量表格数据和化学结构式，需要结构化解析能力确保这些关键信息能被正确提取和索引，避免仅抽取纯文本导致信息丢失。其次，高更新频率意味着知识库内容需要频繁同步或增量更新，以保证引用的时效性。文档结构的多样性要求解析器具备灵活的模板匹配或智能识别能力，适应不同报告格式。字段与单位的不统一性则增加了语义检索的难度，要求在数据预处理阶段进行标准化或在检索时进行多模态匹配，确保能准确关联到包含特定活性值或ADMET参数的引用。引用溯源需要能精确指向原始文档的特定章节、表格或甚至具体的单元格，满足研发人员对数据可靠性的高要求。
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 | 兼顾上下文完整性与检索效率，避免过长段落稀释关键信息 |
召回条数 | 8–12 条 | 平衡召回率与大模型处理上下文长度，覆盖多维度信息 |
相似度阈值 | 0.75–0.85 | 筛选出语义高度相关的文档片段，减少无关引用干扰，按实测标定 |
重排返回条数 | 4–6 条 | 进一步精选最相关内容，提升大模型响应质量 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 应对大型实验报告或包含复杂结构图谱的 PDF 文件解析耗时 |
maxContext | 6000–8000 Token | 确保能够容纳多个召回片段及其上下文，提供足够信息支撑 |
容易做错的三处
- 语义检索返回结果条目过少或与查询意图不符，原因可能是
相似度阈值设置过高，导致召回过于严格，排除了部分相关但相似度略低的内容。 - 上传大型实验报告文件后，知识库训练状态长时间停留在“处理中”或直接报错，原因是
PARSE_FILE_TIMEOUT_SECONDS参数设置过低，未能给文档解析预留足够的处理时间。 - 知识库查询结果中，关于化合物活性值或ADMET参数的引用内容不准确或缺失单位，原因可能是文档解析阶段未能有效识别并抽取表格中的数值与单位对。
怎么确认配好了
- 上传典型的高通量筛选报告和ADMET预测报告，观察知识库训练是否成功，并检查解析后的分段内容是否包含关键的化合物信息、活性数据和单位。
- 针对特定化合物ID、活性值范围或ADMET参数进行检索，核对返回的引用内容是否精准指向原始文档中对应的数据点和上下文。
- 模拟实际研发场景，提出包含多实体和多属性的复杂查询，检查召回的引用条数和重排后的内容质量，评估是否能有效支撑大模型的回答。
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。