这个品类的数据长什么样
化学制药智能尽调报告的数据主要来源于国家药监局审评中心公开资料、药企官方披露的临床试验报告、化合物专利文档、药典标准及生产工艺记录。数据更新节奏随新化合物获批、临床试验阶段推进或合规性更新调整，无固定周期。单份报告文档结构通常包含化合物基本信息、活性检测数据、临床试验分期记录、生产合规条款等模块，字段包含IC50值、给药剂量、专利号、生产批次号等，单位多涉及摩尔浓度、毫克每千克、日期格式为YYYY-MM-DD。
这些特征在「模型接入与配置」这一环带来什么约束
化学制药数据包含大量专业术语、结构化数值与长文本段落，且更新无固定周期，对模型接入配置带来多重约束。首先，长文本的工艺描述与临床试验数据需足够的上下文容纳空间，避免关键信息截断；其次，专业术语的向量提取需适配细分领域的语义特征，避免召回无关内容；再者，大体积的多份文档合集需适配上传与解析的时间限制，防止超时中断；最后，结构化字段的关联提取需明确分块规则，保证数值与对应描述的绑定关系。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000–12000 字符 | 化学制药尽调报告常包含长文本的工艺描述、多期临床试验数据，需容纳足够上下文避免关键信息截断 |
chunkSize | 1000–1500 字符 | 化学制药数据包含结构化数值与长文本段落，分块过短会割裂活性数据与工艺描述的关联 |
RECALL_TOP_N | 前 8–12 条 | 尽调报告需覆盖专利、临床、合规等多维度信息，召回过少会遗漏关键合规项 |
SIMILARITY_THRESHOLD | 0.72–0.80 | 化学制药专业术语多，阈值过低会引入无关文档，过高会遗漏同靶点的相似研究 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 单份完整临床试验报告或专利文档解析耗时较长，需预留足够处理时间 |
UPLOAD_FILE_MAX_SIZE | 2000 MB | 药企公开的完整生产批次记录、多期临床试验合集体积较大，需适配大文件上传需求 |
本页给出的参数取值均为常规建议，用于确定配置的起点。实际取值受材料形态、数据量与业务规则影响，具体问题需具体分析，建议在自有样本上实测后再定。
容易做错的三处
- 现象：文件索引状态长时间停留在“索引中”，无进度更新。原因：在FastGPT v4.9.11版本中未正确配置
qwen3-embedding-8b的模型上下文适配参数，或分块长度超出模型支持上限，导致向量生成失败。 - 现象：无法在工作流界面找到已接入模型的ID。原因：未在模型管理模块开启“显示模型ID”开关，或未切换至对应版本的配置页面。
- 现象：模型思考耗时过长，无法在预设时间内完成尽调报告生成。原因：
RECALL_TOP_N设置过高，传入模型的上下文总长度超出模型推理负载上限，导致推理延迟增加。
怎么确认配好了
- 上传单份典型的化学制药专利文档，查看解析后的分块内容是否完整保留化合物结构式文本、活性数据与专利号字段。
- 触发模型调用，输入“该化合物的临床试验分期信息”，查看返回结果是否包含与查询匹配的具体内容。
- 在系统日志中检索
model_call_success字段，确认嵌入模型与对话模型的调用状态均为正常。 - 调整
SIMILARITY_THRESHOLD至0.75，测试召回结果是否覆盖专利、临床、合规三个不同维度的尽调信息。
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 2026-09-14，当时的最新发布版本为 FastGPT v4.17.0。