这个品类的数据长什么样
药物警戒中的质量文档管理涉及大量结构化和非结构化数据。核心数据源通常包括标准操作程序（SOP）、批生产记录、检验报告、偏差报告、变更控制记录、审核报告以及供应商质量协议等。这些文档通常以 PDF、Word、Excel 或扫描件等格式存储在文档管理系统（DMS）或质量管理系统（QMS）中。更新频率因文档类型而异，SOP 和关键记录可能每年或随流程变更更新，而批生产记录则随每次生产批次实时生成。文档内部包含大量专业术语、法规要求、操作步骤、数据表格和签名信息。字段类型多样，包括文本描述、数值、日期、批号和产品代码，且常伴有特定的计量单位。
这些特征在「引用来源与溯源」这一环带来什么约束
质量文档的严格性和合规性要求，对引用来源与溯源提出了高标准。首先，文档的权威性要求知识库在回答时必须精确指向原始文件和具体段落，以支持法规遵循和审计追溯。其次，文档中包含的复杂表格和结构化数据，要求 RAG 检索不仅能提取文本，还能处理表格数据，并将其以可读形式呈现。批生产记录等实时生成的数据，对知识库的更新机制提出了挑战，需要确保引用的是最新版本。此外，文档中常见的专业术语和缩略语，要求嵌入模型具备高领域适应性，以准确理解用户查询并匹配相关内容。模糊或不精确的引用可能导致合规风险，甚至影响决策。
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 | 确保单个分段包含足够的上下文信息，避免关键信息被截断，同时控制分段大小以提高检索效率。 |
重叠长度 | 100–150 字符 | 保证分段间的上下文连续性，避免重要信息因分段边界而丢失，尤其在处理长句和表格时。 |
召回条数 | 8–12 条 | 在保证检索覆盖度的前提下，限制召回量以降低大模型处理负荷，减少无关信息干扰。 |
相似度阈值 | 0.75–0.85 | 兼顾检索的准确性和召回率，减少不相关文档的引入，避免低质量引用。 |
重排返回条数 | 3–5 条 | 经过重排模型优化后，提供最相关、最精准的引用片段，提升最终回答质量。 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 适应大型质量文档（如包含大量图片或扫描件的批生产记录），确保文件上传无障碍。 |
容易做错的三处
- 知识库回答中未显示引用的具体内容，仅提供文档名称或链接，导致用户无法直接验证信息来源，影响合规性。原因在于引用配置未开启“正文显示引用内容”选项，或分段内容过短导致引用片段不完整。
- 上传 CSV 文件后内容显示乱码，无法正常解析。原因在于文件编码格式与系统默认编码不匹配，常见于使用非 UTF-8 编码的 CSV 文件。
召回条数设置过大，导致大模型接收的上下文信息量超出限制，模型无法处理，进而影响回答生成或导致回答质量下降。
怎么确认配好了
- 上传典型质量文档（如 SOP 或批生产记录）后，通过知识库测试界面，检查文档内容是否被准确解析和分段，尤其关注表格和多页文档。
- 针对特定查询，验证知识库回答是否包含准确的引用来源，并能点击溯源到原始文档中的具体段落位置。
- 模拟审计场景，提出与合规性强相关的问题，检查知识库的回答是否严格依据质量文档，并确保引用来源的唯一性和权威性。
- 在不同查询模式下，观察大模型响应时间，确保在当前配置下，系统能在可接受的时间范围内提供高质量的引用和回答。
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。