这个品类的数据长什么样
基因治疗 AAV（腺相关病毒）的质量文档主要包括生产批次报告、质检报告、稳定性研究数据、原辅料检测报告、工艺验证文件等。这些文档通常以 PDF、DOCX、XLSX 等格式存储，部分数据可能以图片或扫描件形式存在。数据更新频率与批次生产周期、稳定性研究进展相关，通常为月度或季度更新，关键批次数据会更频繁。文档结构复杂，包含大量专业术语、图表、表格数据，如病毒滴度（vg/mL）、空壳率（%）、宿主细胞残留 DNA（ng/mg）、内毒素（EU/mL）等。文件通常具有严格的版本控制和修订历史。
这些特征在「引用来源与溯源」这一环带来什么约束
基因治疗 AAV 质量文档的复杂性对引用来源与溯源带来了多重约束。首先，文档中的专业术语和缩写要求知识库具备高精度的语义理解能力，以确保引用内容的准确性。其次，图表和表格数据在文本分块时容易丢失上下文，需要特别处理以保持数据完整性。文档的版本控制和修订历史要求溯源机制能够识别并区分不同版本的数据，确保引用的始终是最新的或指定版本的信息。此外，部分扫描件和图片格式的文档需要进行 OCR 识别，这可能引入识别误差，影响溯源的可靠性。单位如 vg/mL、EU/mL 的识别和关联，对数据提取的准确性提出更高要求。
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 | 兼顾语义完整性和上下文召回效率，避免过度截断关键数据。 |
分段重叠长度 | 100 字符 | 确保分段边缘信息的连续性，提升跨分段引用的准确性。 |
maxContext | 3500 字符 | 涵盖足够多的上下文信息，支持复杂质量报告的理解。 |
相似度阈值 | 0.75 | 针对专业性强、术语密集的 AAV 质量文档，提高召回内容的精准度。 |
召回条数 | 8–12 条 | 在保证信息覆盖度的前提下，避免引入过多无关信息。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 应对大型质量报告文件解析耗时，确保文件处理成功。 |
容易做错的三处
- 查询结果中关键数据（如病毒滴度）的单位缺失，原因在于文档分块时单位与数值分离，导致召回不完整。
- 引用来源指向旧版本的文档，原因在于未正确配置文档版本管理，或知识库未及时更新最新版本数据。
- 面对包含大量表格数据的质量报告，引用来源无法准确指向表格中的特定行或单元格，原因在于文本分块策略未针对表格结构进行优化。
怎么确认配好了
- 选取包含关键数据和专业术语的典型查询，检查引用来源是否准确指向文档原文，并覆盖相关上下文。
- 针对不同版本的同一份文档，进行查询测试，验证系统能否正确识别并引用指定版本的数据。
- 上传包含复杂表格的质量报告，查询表格中的特定数据点，确认引用来源能定位到表格内的精确位置。
- 在文档更新后，执行查询，验证知识库是否已索引最新数据，且引用来源指向新版本文档。
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。