这个品类的数据长什么样
生物医药领域的供应商审计，在药物警戒方向上，其数据主要来源于审计报告、供应商提交的安全性数据、质量管理体系文件、合同协议以及相关法规遵循性记录。这些文档的更新频率通常取决于审计周期（如年度审计、特定事件触发审计）和供应商主动更新的合规性文件。文档结构上，审计报告通常包含执行摘要、审计发现、观察项、纠正预防措施（CAPA）建议等章节，并可能附带大量证据性文件。安全性数据报告则包括不良事件报告（ADR）、严重不良事件报告（SAE）等，其字段涉及患者信息（脱敏）、药品信息、事件描述、预后、报告人、报告日期、因果关系评估等，其中药品剂量、频率、持续时间等单位需精确到毫克、天、次等。法规遵循性记录则可能包含批生产记录、检验报告、变更控制文件等。
这些特征在「知识库检索与召回」这一环带来什么约束
供应商审计数据的多样性和结构化程度不一，对知识库检索与召回提出了多重挑战。审计报告中的非结构化文本与安全性报告中的半结构化字段并存，要求知识库具备处理不同数据形态的能力。文档更新的周期性意味着知识库需支持版本管理和增量索引，确保检索结果的时效性。安全性数据中涉及的专业术语、药品名称、疾病名称等，对分词精度和实体识别提出了较高要求，传统的基于关键词的检索可能不足以捕获深层语义关联。同时，由于数据敏感性，检索结果的准确性和完整性至关重要，召回不足或召回过多无关信息都会影响审计决策。此外，审计过程中可能需要跨文档类型关联信息，例如将审计发现与具体的安全性报告或法规条款对应，这要求知识库在索引时能有效建立文档间的逻辑链接。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 600–800 字符 | 兼顾审计报告的段落完整性与检索颗粒度，避免上下文信息丢失。 |
分段重叠度 | 100–150 字符 | 确保分段边界上下文的连续性，提高跨段落查询的召回率。 |
召回条数 | 前 5–8 条 | 平衡检索效率与结果全面性，覆盖潜在相关性高的文档片段。 |
相似度阈值 | 按实测标定 | 需根据具体嵌入模型与数据特性，通过测试确保高精度与召回。 |
重排返回条数 | 前 3 条 | 进一步精炼召回结果，优先展示与查询意图最匹配的信息。 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 应对大型审计报告或包含大量附件的文档解析，防止超时。 |
容易做错的三处
- 查询结果中出现大量与审计主题无关的文档片段，原因是分词器未能有效识别生物医药领域的专有名词和缩写，导致泛化匹配。
- 知识库上传大型供应商审计报告时提示文件解析失败，原因是文件大小超过了
UPLOAD_FILE_MAX_SIZE限制或解析超时。 - 查询特定不良反应案例时，未能召回所有相关的安全性报告，原因可能是索引策略未能充分考虑安全性报告中的多字段关联，或
相似度阈值设置过高。
怎么确认配好了
- 针对典型审计问题，执行知识库检索，检查召回结果是否包含所有预期相关的文档片段，并验证其准确性。
- 上传不同格式、不同大小的审计文件和安全性报告，观察文件解析是否成功，并检查索引后的内容是否完整。
- 模拟多种复杂的跨文档查询场景，评估知识库能否有效关联不同类型的数据，例如将一个审计发现与对应的CAPA或安全性报告关联起来，并根据业务需求调整
相似度阈值。
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。