这个品类的数据长什么样
苗头化合物筛选在药物警戒流程中，其数据主要来源于临床前研究报告、毒理学报告、药代动力学（ADME）数据、高通量筛选结果以及公开的化合物数据库（如PubChem、ChEMBL）。这些数据更新频率相对较低，通常随实验批次或项目阶段性进展而更新。文档结构以结构化和半结构化数据为主，例如化合物的理化性质表格、活性测试结果报告、分子结构式图像、以及包含剂量、给药途径、观察指标等信息的实验记录。字段与单位具有高度专业性，例如“IC50值”（单位nM或µM）、“LD50值”（单位mg/kg）、“血浆蛋白结合率”（单位%）、“半衰期”（单位小时），以及化合物的CAS号、SMILES字符串等。
这些特征在「知识库检索与召回」这一环带来什么约束
苗头化合物筛选数据的高度结构化特性，特别是大量数值型和化学结构信息，对传统文本检索提出了挑战。例如，查询“具有高血脑屏障渗透性的化合物”时，需要能够理解并检索数值范围内的“渗透性”指标，并关联到化合物结构。数据更新频率较低，意味着知识库的索引更新不必过于频繁，但每次更新需要保证数据完整性与一致性。文档中包含的分子结构式图像与SMILES字符串，要求知识库具备处理非文本信息的能力，或将其有效转换为可检索的文本特征。同时，众多专业术语和计量单位，要求检索系统能够精确匹配，避免因同义词或单位转换导致的检索偏差。例如，用户查询“IC50小于100nM”时，系统需要准确理解并召回相应数据。
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 | 兼顾化合物数据描述的完整性和检索的精细度，避免上下文信息丢失。 |
分段重叠长度 | 100–200 字符 | 确保相邻段落间的语义连续性，尤其在描述复杂实验数据时。 |
召回条数 | 前 5–8 条 | 考虑到苗头化合物筛选结果通常是少量关键数据，过多召回会增加无效信息。 |
相似度阈值 | 按实测标定 | 根据数据集的特性进行多次测试，找到能区分相关与不相关结果的临界点，初始可设为 0.75。 |
重排返回条数 | 前 3 条 | 进一步精炼召回结果，将最相关的化合物信息优先呈现，减少后续处理负担。 |
知识库ID | 具体ID值，例如 kb_compounds_001 | 精确指定检索目标知识库，防止跨领域检索。 |
容易做错的三处
- 搜索测试时，
相似度得分显示远超0–1范围。原因在于使用了不兼容的评分机制或模型，导致得分计算方式异常。 - 复杂表格数据未被有效检索，即使表中含有关键词。原因在于表格未被正确解析为可索引的文本内容，或分段策略导致表格行被拆散，失去上下文。
- 指定查询某个知识库文档，但应用回答没有该文档。原因可能是文档未被完全索引，或者查询条件与文档元数据不匹配，导致检索失败。
怎么确认配好了
- 针对典型化合物查询（例如“CAS号为XXXX的化合物的IC50值”），检查召回结果是否包含精确的数值和单位信息。
- 上传包含复杂表格的毒理学报告，验证知识库是否能正确解析并索引表格内容，通过关键词查询表格中的特定数据项。
- 进行多轮对话测试，模拟工程师在筛选过程中提出的多维度查询，观察系统是否能持续召回相关且准确的苗头化合物数据。
- 测试通过
知识库ID参数直接指定知识库，确认查询结果仅限于目标知识库范围。
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。