这个品类的数据长什么样
培养基与耗材的质量文档主要包括产品技术规格书（TDS）、批次分析报告（COA）、安全数据表（SDS）、供应商资质证明以及内部质量控制记录。这些文档通常以 PDF、Word 或 Excel 格式存储。数据更新频率相对稳定，新产品发布或批次更新时会有集中上传。文档结构通常标准化，例如 TDS 会包含产品名称、货号、批号、生产日期、有效期、关键参数（如 pH 值、渗透压、内毒素水平、细胞生长性能）及其范围。COA 则会列出特定批次的实测值与合格标准。字段与单位具有高度一致性，例如 pH 值通常精确到小数点后一位或两位，渗透压以 mOsm/kg 表示，内毒素单位为 EU/mL。
这些特征在「知识库检索与召回」这一环带来什么约束
培养基与耗材质量文档的高度结构化和标准化特征，对知识库检索与召回提出了精度要求。例如，查询特定批次的内毒素值时，系统需精准定位到批次分析报告中的对应字段，避免召回无关的规格书或安全数据表。字段与单位的严格性决定了向量化模型需要对数字和单位对进行有效编码，区分“pH 7.0”与“7.0 mL”的语义差异。文档更新的周期性意味着知识库需要支持增量更新和版本管理，确保检索结果始终基于最新批次信息。此外，大量的数值数据和公式，例如细胞计数或稀释比例，要求在文本分段时能够保留上下文的完整性，防止公式被截断导致语义缺失。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 300–500 字符 | 确保关键参数、批次信息及关联说明在同一分段内，避免语义断裂。 |
分段重叠长度 | 50–100 字符 | 保留上下文衔接，处理跨段落的批次号、规格参数描述。 |
召回条数 | 5–8 条 | 覆盖多个潜在相关文档，平衡召回率与模型处理负荷。 |
相似度阈值 | 按实测标定 | 针对数值型和文本型查询，通过测试集调整，确保高精度召回。 |
重排返回条数 | 3–5 条 | 进一步精炼召回结果，提升最终答案的准确性和相关性。 |
CHUNK_SPLIT_SENTENCE | True | 优先按句子边界进行分段，避免数字和单位组合被错误拆分。 |
容易做错的三处
- 检索结果与提问内容看似无关，但知识库仍返回了内容。这通常是由于
相似度阈值设置过低，导致召回了语义距离较远的分段。 - 查询特定公式或数值时，结果显示不完整或不准确。这可能是因为文档解析时，
分段长度过短，导致公式或数值与上下文被截断。 - 知识库未能返回最新批次的质量报告。这通常是由于知识库未及时进行增量更新，或者索引未正确刷新。
怎么确认配好了
- 选取一批包含新旧批次信息的培养基与耗材文档，进行查询，核对召回结果是否包含最新版本的数据。
- 针对文档中包含的 pH 值、渗透压、内毒素等关键参数，进行精确查询，检查召回的分段是否完整包含数值和对应的单位。
- 模拟用户查询特定批次号的场景，验证系统能否准确返回该批次号对应的 COA 或 TDS 文档。
- 使用包含复杂公式或图表的文档进行测试，确认在不同
分段长度下，公式的完整性和可读性。
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。