这个品类的数据长什么样
数据主要来自国家药品审评机构公开的审评报告、公开药典标准、上市许可持有人的研发披露文件、批签发检验报告。更新节奏随监管公告、年度批签发数据发布调整，无固定周度或月度周期。文档形态多为合规性PDF报告、结构化Excel检验数据集、临床试验登记表格。字段包含活性成分含量、效价单位（IU、U）、生产批次编号、临床试验主要终点指标、不良反应统计项，部分文档附带生产工艺参数的数值化记录。
这些特征在「知识库检索与召回」这一环带来什么约束
生物制品数据的结构化程度高且包含特定单位字段，要求检索环节支持数值与文本混合匹配，且需对效价、含量等字段做单位归一化处理，避免因单位表述差异导致召回失效。非固定周期的数据源更新，要求知识库同步机制支持按监管公告触发，同时保留手动触发选项。长文档与短文档并存的形态，要求分段检索时保留字段级元数据关联，避免切片后丢失关键数值与对应指标的绑定关系。高精度数值字段的存在，要求召回排序时优先匹配数值精度一致的结果，同时可根据场景调整匹配阈值。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunkSize | 800–1200 字符 | 生物制品文档包含长文本工艺描述与短数值字段，该区间可平衡长文本切片与数值关联保留 |
similarityThreshold | 0.75–0.85 | 需区分高相似度的效价数值表述，避免低精度匹配导致的召回错误 |
recallTopK | 前 8 条 | 生物制品尽调需覆盖审评报告、检验数据、临床试验多类数据源，8条可覆盖核心参考项 |
UPLOAD_FILE_MAX_SIZE | 1000 MB | 单份批签发检验报告或临床试验登记册的文件体积可达数百兆，需适配大文件上传 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 大型结构化数据集的解析需较长时间，避免解析超时中断 |
enableNumericSearch | 开启 | 生物制品数据包含大量高精度数值字段，开启数值检索可提升匹配精准度 |
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：调用API返回的结果中，
reference字段为空或未包含文献页码、检验项编号等细节。原因：未开启知识库的enableCitation配置项，或未在检索请求中指定返回引用参数。 - 现象：知识库上传新的临床试验报告后，AI回答未引用该文档内容。原因：未配置自动同步触发规则，仅依赖手动触发且未执行同步操作。
- 现象：检索结果中出现大量低相似度的无关文档，例如将特定效价数值匹配为表述相近的其他数值。原因：相似度阈值配置值过低，未过滤表述差异导致的低质量匹配。
怎么确认配好了
- 上传一份生物制品相关的合规性报告文档，执行手动同步后，在知识库详情页查看已上传文件的解析状态，确认解析完成且元数据字段完整。
- 发起一次包含具体检验指标的检索请求，验证返回结果中包含引用来源细节。
- 输入包含特定数值表述的查询词，核对召回结果的匹配精度，调整相似度相关配置以符合业务需求。
- 上传一份体积较大的数据集，确认上传与解析流程未出现超时或中断报错。
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。