这个品类的数据长什么样
批记录审核涉及的数据主体是批生产记录、批检验记录、偏差记录、变更记录等质量管理文档。这些文档通常以 PDF 扫描件、PDF 电子版或结构化 Excel 文件的形式存在，内容涵盖生产工艺参数、物料批次信息、检验结果、设备运行数据、人员操作记录及异常情况描述。更新频率通常与生产批次同步，即每个批次生产结束后生成一套完整的记录。文档结构高度标准化，遵循 GMP 规范，包含固定章节、表格和签名页。字段包括批号、生产日期、有效期、操作员、设备编号、关键工艺参数（如温度、压力、时间）、检验项目、结果、单位（如 ℃、MPa、min、g/L），以及偏差编号、原因分析、纠正预防措施等。
这些特征在「向量模型与索引」这一环带来什么约束
批记录文档的高度标准化和结构化特性，要求向量模型在切分和索引时，能有效识别并保留不同字段间的语义关联，避免因过度切分而丢失关键上下文，例如批号与对应的生产参数。文档更新频率与生产批次同步，使得增量索引和局部更新成为常态，需要系统具备高效的文档版本管理和索引更新机制。扫描件的存在要求对 OCR 识别质量有高容忍度，并能处理 OCR 引入的字符错误对向量表示的影响。批记录中包含大量特定领域术语和计量单位，需要向量模型能准确理解这些专业词汇的含义，并在相似度计算时对单位差异敏感，例如区分“温度 25℃”与“湿度 25%”。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 批记录文档段落相对完整，此长度可兼顾上下文语义与召回效率 |
分段重叠长度 | 100–200 字符 | 确保跨段落的关键信息关联性不被切断，尤其是在表格或清单场景 |
maxContext | 4000 字符 | 满足单次查询时，批记录中常见逻辑块的上下文需求 |
相似度阈值 | 0.75–0.85 | 平衡召回率与精确率，降低无关批记录被召回的概率，同时确保关键信息可检索 |
召回条数 | 5–8 条 | 批记录审核场景通常需要快速定位少量最相关的文档片段，避免信息过载 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型批记录扫描件的 OCR 识别和文本抽取，预留充足时间 |
容易做错的三处
- 文档上传后，知识库出现重复索引或段落数量异常增多。这通常是由于系统在处理文档更新时，未能正确识别版本差异，导致旧版本或部分内容被重复索引。
- 升级 FastGPT 版本后，部分批记录查询结果不准确或无法召回。这可能是因为模型版本或索引机制发生变化，原有索引未能与新系统兼容，需要对文档进行重新索引以适应新版本。
- Excel 格式的批记录上传后，向量化结果不佳，查询时无法精准定位表格内容。这往往是由于 Excel 文件内容格式未标准化，或系统未针对表格结构进行优化解析，导致单元格间的语义关联在向量化过程中丢失。
怎么确认配好了
- 选取典型批记录文档，上传并观察知识库中的分段数量和内容是否符合预期，检查关键字段和数据是否被正确提取。
- 通过模拟审核场景的查询语句，验证是否能准确召回相关批记录片段，并检查召回内容的完整性与上下文关联性。
- 对包含计量单位和专业术语的查询进行测试，确认模型能区分相似但含义不同的词汇，并验证单位的识别准确性。
- 使用不同格式（PDF 扫描件、PDF 电子版、Excel）的批记录进行上传测试，检查各类文档的索引耗时与成功率。
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。