这个品类的数据长什么样
小分子化药研发文档的数据来源多样，涵盖实验记录、分析报告、专利文献、临床前研究资料等。这些文档更新频率不一，从每天数十份的实验数据到每月数份的阶段性报告。文档格式以 PDF、DOCX、XLSX 居多，部分数据存在于图片或扫描件中。结构上，它们往往包含大量专业术语、化合物结构式、反应式、图表和数据表格。字段与单位具有高度特异性，例如化合物的 IUPAC 命名、CAS 注册号、摩尔质量（单位 g/mol）、纯度（单位 %）、收率（单位 %）、药代动力学参数（如 Cmax、Tmax，单位 ng/mL、h）等，以及各种分析仪器的检测限和定量限。
这些特征在「部署与升级」这一环带来什么约束
小分子化药研发文档的多样性与专业性对 FastGPT 的部署与升级提出了具体要求。首先，文档中包含的化合物结构式、图表等非文本信息，要求系统具备图像识别与 OCR 能力，以确保结构化解析的全面性。其次，大量专业术语和计量单位的存在，需要定制化的词典和实体识别模型，避免解析错误或信息丢失。文档更新频率不一，意味着系统需要支持灵活的增量更新机制，高效处理新数据。此外，数据敏感性高，对部署环境的安全性、数据隔离和访问控制有严格要求。升级过程中，兼容旧版本数据格式、保证模型稳定性和解析准确性，成为核心考量，尤其是当底层大模型或解析算法更新时，需进行充分的回归测试。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 500 MB | 应对包含大量图表和高分辨率扫描件的综合性报告文件大小。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 确保复杂 PDF 文件（含多层嵌套对象、矢量图）的解析时间充足。 |
分段长度 | 800–1200 字符 | 平衡上下文连贯性与大模型处理效率，适应专业术语密集段落。 |
召回条数 | 前 15 条 | 增加相关片段的召回概率，处理小分子化药研发中概念关联性强的查询。 |
相似度阈值 | 0.78 | 确保召回结果与查询意图高度相关，过滤掉专业性弱的泛化内容。 |
OPENAI_API_KEY | sk-xxxxxxxxxxxxxxxxxxxxxxxx | 确保 FastGPT 能访问到外部大模型服务，例如阿里云模型服务。 |
容易做错的三处
- 模型调用失败，返回 400 错误码，原因可能是
OPENAI_API_KEY配置不正确或已过期，导致与外部模型服务鉴权失败。 - 通过 API 上传文件后，智能体后端服务响应变慢或无响应，现象可能为工作流和知识库界面显示空白，这通常是由于文件解析任务队列积压，或
PARSE_FILE_TIMEOUT_SECONDS设置过短导致大量解析任务失败重试。 - Docker Compose 部署后一段时间，知识库内容丢失或显示为空，可能的原因是数据卷未正确挂载或持久化配置有误，导致容器重启后数据未被保留。
怎么确认配好了
- 上传一份包含化合物结构式、实验数据表格的 PDF 文档，检查其结构化解析结果是否能准确识别关键字段及其数值。
- 执行一次增量更新操作，上传一份新的实验报告，验证系统能否识别并处理其中的新增信息，同时不影响已有数据。
- 使用包含特定小分子化药专业术语的查询，验证召回结果的准确性和相关性，并检查召回条数是否符合预期。
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。