批记录审核质量文档的知识库检索与召回

这个品类的数据长什么样

批记录审核的数据主要来源于药品生产过程中的批生产记录、批检验记录、偏差调查报告、变更控制文件等。这些文档多以 PDF 扫描件或结构化数据表单（如 Excel、XML）形式存在。更新节奏与批次生产周期紧密相关，通常为日度或周度更新，但历史批次数据量庞大且不常变动。文档结构高度标准化，遵循 GMP 规范，包含大量固定字段，如批号、产品名称、生产日期、有效期、操作员签名、设备编号、关键工艺参数（温度、压力、时间）、物料批次、检验结果等。字段值多为数值、日期、布尔或枚举类型，单位明确且多样，例如 ℃、kPa、min、mg/L。

这些特征在「知识库检索与召回」这一环带来什么约束

批记录数据的标准化结构和明确的字段单位，使得基于字段名称或单位的精准匹配成为可能，并对召回的准确性提出高要求。文档更新频率决定了知识库索引的更新策略，历史数据的稳定性允许较低频率的全面重建索引，而新增批次的实时性则需要增量更新机制。大量数值型和枚举型数据要求知识库能处理范围查询、等值查询以及特定值与规范的符合性判断。由于文档中包含操作员签名、偏差描述等自由文本，需要兼顾语义理解能力。对召回结果的低容错性，要求在相似度计算时，对关键字段的匹配权重进行精确调整，避免“泛化”召回导致误判。

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`	批记录文档中，关键信息通常集中在特定段落，过长或过短分段均不利于精确匹配。
`召回条数`	`前 8–12 条`	考虑到批记录的复杂性和潜在的关联信息，适当增加召回条数以提高覆盖率。
`相似度阈值`	`0.78–0.85`	批记录审核对准确性要求极高，高阈值有助于过滤掉不相关的召回结果。
`重排返回条数`	`5 条`	对初步召回结果进行二次排序，确保最相关的少数结果优先展示。
`UPLOAD_FILE_MAX_SIZE`	`200 MB`	批记录扫描件可能较大，需确保能上传大尺寸文件。
`PARSE_FILE_TIMEOUT_SECONDS`	`600 秒`	针对大型 PDF 批记录文件的解析耗时，设置充足的超时时间。

容易做错的三处

在聊天窗口中输出问题，提示“没有选择知识库”，这通常是由于在 Agent 配置中，知识库组件未被正确启用或关联。
知识库内没有直接匹配的条目时，模型直接拒绝回答，这可能是 相似度阈值 设置过高或 召回条数 过少，导致无法召回足够的信息进行推理。
谷歌搜索插件返回结果为空，这可能与网络配置、API Key 失效或插件本身未正确集成有关，导致外部搜索能力受限。

怎么确认配好了

上传一批典型批记录文档，验证 UPLOAD_FILE_MAX_SIZE 和 PARSE_FILE_TIMEOUT_SECONDS 配置下，文件解析是否成功且无超时错误。
针对批记录中的关键字段和操作规范，构造一系列精准查询和模糊查询，观察召回结果的 召回条数 和相关性，根据业务专家判断调整 相似度阈值。
模拟审核场景，输入包含数值范围、单位信息的查询，检查召回结果是否能准确命中相关批次数据，并验证 重排返回条数 后最相关信息的排序优先级。

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。