这个品类的数据长什么样
CAR-T 细胞治疗的质量文档主要来源于药企内部的研发记录、临床试验报告、生产批次记录、质量控制（QC）报告、供应商资质文件以及药监机构的法规要求更新。这些文档的更新频率较高，尤其是在研发和临床试验阶段，数据会持续产生和修订。生产批次记录和QC报告则随生产批次实时生成。文档结构复杂，通常包含大量图表、实验数据、SOP（标准操作规程）、批生产记录（BPR）和批检验记录（BPR）。字段和单位高度标准化，例如批次号、生产日期、有效期、细胞数量（单位：cells/kg）、病毒载量（单位：VP/mL）、纯度（单位：%）、活性（单位：%）等，对数值精度和一致性要求极高。数据通常以 PDF、Word 文档、Excel 表格、LIMS（实验室信息管理系统）导出文件等形式存在。
这些特征在「部署与升级」这一环带来什么约束
CAR-T 细胞治疗质量文档的复杂数据结构和高更新频率，对部署与升级带来了特定约束。文档中包含的大量图表和实验数据，要求知识库系统具备强大的文档解析能力，能够准确提取非文本信息并进行向量化。高更新频率意味着知识库需要支持自动化或半自动化的增量更新机制，避免每次更新都进行全量重建。文档中严格的字段与单位要求，导致在数据摄入阶段需要细致的预处理，以确保信息的准确性和一致性，这可能涉及自定义解析器或数据清洗脚本。此外，对数值精度和一致性的高要求，使得知识库在召回和生成答案时，必须能够精确引用原始数据来源，并避免引入误差。部署时需考虑存储大量高精度向量所需的计算资源，以及处理复杂文档解析任务的计算能力。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 500 MB | CAR-T 报告通常包含大量图片和数据，单个文件尺寸较大。 |
分段长度 | 800 字符 | 确保实验方法、结果和结论能在一个分段内被捕获，便于理解上下文。 |
召回条数 | 前 10 条 | 复杂查询可能需要更多相关上下文，以覆盖多个实验条件或批次信息。 |
相似度阈值 | 0.78 | 高精度要求下，提高阈值以确保召回的文档片段高度相关，减少干扰。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 大文件解析和OCR过程耗时较长，防止因超时导致解析失败。 |
embedding_model | text-embedding-ada-002 或更高版本 | 应对专业术语和复杂生物医学概念，需要高语义理解能力的模型。 |
容易做错的三处
- 知识库关联内容未能被回答引用，现象是引用列表中有相关文档，但回答正文没有体现。原因可能是
相似度阈值设置过高，导致模型在生成时认为召回内容与当前问题不够匹配。 - 自定义插件在工作流中不显示输入和输出参数，导致无法配置。原因通常是插件的
manifest.json文件格式有误或未正确部署到指定目录，系统无法正确解析其元数据。 - 使用
embedding-2向量模型时持续报错。原因多为该模型未在OPEN_API_KEY渠道中正确配置，或者OPEN_API_ENDPOINT指向的API服务不支持该模型，导致调用失败。
怎么确认配好了
- 上传一份包含图表和表格的CAR-T临床试验报告，检查知识库是否能准确提取并索引报告中的关键数值和结论。
- 针对一份批生产记录（BPR），提问关于特定批次的细胞数量、纯度等信息，验证回答中是否能精确引用到原始文档的相应段落。
- 通过工作流调用一个自定义插件，确保其输入输出参数能被正确识别和配置，并能按照预期执行逻辑，例如将特定字段内容发送至外部LIMS系统。
- 模拟一次法规更新，上传新的药监局指导文件，并提问相关合规性问题，检查知识库能否结合新旧文档给出准确的合规性建议，并标注更新来源。
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。