这个品类的数据长什么样
稳定性研究的数据主要来源于各类实验报告、批生产记录、分析方法验证报告和质量标准文件。这些文档的来源通常是药企内部的质量控制部门、研发实验室或委托的合同研究组织（CRO）。数据更新节奏与产品生命周期、批次生产安排以及监管要求密切相关，通常是阶段性更新，例如每批次生产结束后、年度报告发布前或遇到偏差时。文档结构复杂，包含大量表格、图谱、文字描述和附件，常见格式为 PDF、Word 或扫描件。字段包括批号、生产日期、有效期、存储条件、检测项目、检测方法、检测结果（如含量、溶出度、杂质）、单位（如 %、mg/mL、ppm、℃、RH）以及偏差记录和调查结果。
这些特征在「引用来源与溯源」这一环带来什么约束
稳定性研究文档的复杂结构和多样化格式，对引用来源的准确识别提出了挑战。大量的表格和图谱内容，需要更精细的文本提取和结构化能力，以确保引用时能准确指向具体数据点。阶段性更新的特性，要求知识库能够有效管理版本，确保引用的是最新或指定历史版本的数据。批号、生产日期等关键字段的存在，使得引用溯源不仅要指向文档，还需要能关联到具体的批次信息，支持用户对特定批次数据的追溯。此外，不同检测项目和单位的标准化处理，是确保引用结果一致性和可读性的基础，避免因单位不统一导致的误解。
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 | 兼顾表格与长段落的完整性，减少上下文丢失 |
召回条数 | 前 5–8 条 | 稳定性数据关联性强，需覆盖更多相关上下文 |
相似度阈值 | 0.75–0.85 | 确保引用内容与查询高度相关，过滤不准确信息 |
重排返回条数 | 前 3 条 | 聚焦最相关的关键信息，提升回答的精准度 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型 PDF 或包含复杂表格的文档解析 |
引用来源展示格式 | 文档名 - 页码 - 批号 | 结合稳定性研究的溯源需求，提供多维度定位 |
容易做错的三处
- 引用内容出现大量无关文本或格式错乱：原因在于文档解析参数未针对表格或多栏布局进行优化，导致结构化信息提取不准确。
- AI 回答中引用的数据与实际批次不符：原因在于知识库未正确关联文档中的批次信息，或版本管理机制缺失，导致引用了错误版本的数据。
- 引用来源指向的链接失效或无法打开：原因在于文档存储路径或访问权限配置不当，或外部链接未进行有效性校验。
怎么确认配好了
- 随机抽取 10 份稳定性研究报告中的关键数据点，验证 AI 回答是否能准确引用到对应的文档、页码和具体数值。
- 针对不同批次的查询，核对 AI 回答中引用的批号信息是否与查询的批次一致。
- 模拟用户对特定检测项目或偏差记录的查询，检查引用来源是否能定位到文档中的相关段落，并核对提取的单位是否正确。
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。