这个品类的数据长什么样
偏差与 CAPA（纠正与预防措施）数据主要来源于药企内部的质量管理系统、生产执行系统（MES）以及供应商审计报告。这些数据通常以结构化或半结构化文档形式存在，例如偏差调查报告、CAPA 计划书、整改验证记录等。更新频率较高，尤其在生产批次密集或新产品上市初期。文档往往包含大量专业术语、流程图、操作规程编号、批次号、设备序列号、具体时间戳以及定量分析结果（如纯度百分比、杂质含量 ppm）。字段如 偏差编号、发生日期、偏差等级、根本原因、纠正措施、预防措施、验证状态 等是核心要素，并伴随大量附件，包括图片、图表和签名页。
这些特征在「知识库检索与召回」这一环带来什么约束
偏差与 CAPA 文档的专业性与复杂性对知识库检索精度提出了更高要求。时间戳、批次号、设备序列号等高区分度字段需要被准确识别与索引，以支持精确查询。文档中嵌入的图片和图表常包含关键信息，单纯的文本检索不足以全面召回。高更新频率意味着知识库需要高效的增量更新机制，避免数据滞后。此外，由于涉及合规性审查，对检索结果的溯源性要求极高，用户需能清晰了解回答源自哪份具体文档的哪个段落。文档间的关联性（例如某 CAPA 针对某偏差）也要求检索系统具备一定的关联召回能力。
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 | 确保单个知识块包含足够上下文，同时避免过长导致信息冗余和向量化效率下降。 |
召回条数 | 8-12 条 | 在保证召回率的同时，避免引入过多噪声，兼顾后续重排处理的性能。 |
相似度阈值 | 0.75-0.85 | 平衡召回的广度与精确性，降低无关文档被召回的概率，需按实际数据效果调优。 |
重排返回条数 | 3-5 条 | 聚焦用户最关心的核心信息，减少用户阅读负担，提供精炼答案。 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 考虑到偏差报告可能包含大量嵌入图片和附件，确保大型文件能够成功上传。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 预留足够时间处理复杂 PDF 或包含大量图表的 Word 文档，避免解析超时。 |
容易做错的三处
- 查询结果中缺失图片或图表信息，导致用户需要额外查找原始文档。原因在于文件解析器未能从原始文档中提取非文本内容，或者检索系统未设计对图片内容的索引。
- 用户提问特定批次或设备相关的偏差时，系统未能召回相关文档，返回通用性答案。原因在于知识库索引时未能充分识别和利用文档中的结构化元数据，如
批次号或设备序列号。 - 知识库问答时，无法指出回答的具体来源文档及段落，用户对答案的可靠性存疑。原因在于检索系统未实现或未启用文档溯源功能，未能将回答与原始知识块建立关联。
怎么确认配好了
- 选择一份包含关键图表和复杂专业术语的偏差报告，进行多轮提问，检查回答是否准确引用了报告中的关键信息，并能提供对应的文档来源链接。
- 使用包含特定批次号、设备编号等元数据的查询，核对召回结果是否精准匹配到相关报告，观察
召回条数和相似度阈值是否符合预期。 - 模拟新的 CAPA 文档上传，检查知识库是否能在合理时间内完成索引，并能通过简单查询验证新内容已可被检索，监控文件处理过程中的状态码是否正常。
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。