这个品类的数据长什么样
CMC 研究的质量文档主要包括原始数据、分析报告、批生产记录、检验方法验证报告、稳定性研究数据等。这些文档通常以 PDF、Word、Excel 等格式存在，部分原始数据可能以特定仪器输出格式存储。数据更新频率与研发阶段紧密相关，早期研发阶段更新频繁，临床阶段和上市后阶段相对稳定，但涉及批次变更或工艺优化时会有集中更新。文档结构通常包含标准化的标题、章节、图表和附件，例如批生产记录会详细记录每个生产步骤的操作人、时间、物料批号、设备参数等字段，稳定性研究报告则包含批号、样品编号、检测项目、检测结果（如含量百分比、杂质水平）、检测方法、检测日期等。计量单位严格遵循药典或行业规范，如 mg/mL、pH 值、IU/mg 等。
这些特征在「部署与升级」这一环带来什么约束
CMC 研究文档的数据量通常庞大且结构复杂，包含大量专业术语和交叉引用，对向量嵌入模型的语义理解能力要求高。文档更新具有阶段性集中爆发的特点，要求系统在特定时期具备高效的批处理能力和增量索引能力，以避免长时间的“索引中”状态。文档格式多样性要求文件解析器具备强大的兼容性，能正确提取 PDF 中的表格数据和 Word 中的修订痕迹。字段和单位的严格性意味着在信息提取和问答时需要高度的准确性，任何微小的偏差都可能导致严重后果，因此需要精细调整分段策略以保持数据完整性，并可能需要定制化的后处理逻辑来校验提取信息的正确性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 200 MB | 应对大型报告或包含大量图表的文档上传需求。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 复杂 PDF 和 Word 文档解析耗时较长，避免因超时导致解析失败。 |
分段长度 | 800–1200 字符 | 兼顾语义完整性与召回精度，避免关键信息被切割。 |
召回条数 | 前 10 条 | 确保能覆盖文档中多处可能相关的交叉引用和细节信息。 |
milvus.replica.count | 按实测标定 | 应对高并发索引和查询需求，保证系统响应速度，避免索引卡顿。 |
重排返回条数 | 前 5 条 | 精炼召回结果，提升最终答案的精准性和相关性。 |
容易做错的三处
- 文件上传后长时间显示“索引中”：通常是由于
PARSE_FILE_TIMEOUT_SECONDS配置过低，未能处理大型或复杂文档的解析任务，导致文件处理流程中断。 - 升级 FastGPT 版本后，自定义配置（如
ROOT_PASS）被重置：这通常是未正确进行配置文件持久化或升级脚本覆盖了原有配置文件所致，应在升级前备份并核对相关配置项。 - 特定文件类型（如嵌入图片较多的 PDF）解析失败或内容缺失：文件解析器对复杂格式的兼容性不足，可能需要检查 FastGPT 版本是否支持该类文件的最新解析库或考虑预处理文件。
怎么确认配好了
- 上传一份包含复杂表格和图表的 CMC 研究报告（如稳定性研究报告），检查其是否能完整解析并生成可检索的向量。
- 在系统负载高峰期（例如批量导入新批次生产记录时），监控 FastGPT 的资源占用情况（CPU、内存、磁盘 I/O），确认系统运行稳定，无明显性能瓶颈。
- 使用包含 CMC 专业术语的查询语句，验证问答结果的准确性和相关性，并核对其引用来源是否指向文档中的正确段落。
- 通过 API 接口尝试上传和查询大文件，确认
UPLOAD_FILE_MAX_SIZE和PARSE_FILE_TIMEOUT_SECONDS等参数生效，且能正常处理。
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。