这个品类的数据长什么样
化学制药行业的财报数据主要来源于境内外证券交易所官方披露的定期报告、企业官方投资者关系板块。更新节奏以季度报、年度报为固定周期，同时伴随研发管线进展、重大合同签订等临时公告不定期更新。文档多为PDF格式，包含合并财务报表、管理层讨论与分析、研发投入明细、供应链成本构成、专利相关披露等内容，字段涵盖“研发资本化支出”“原料药单位成本”“临床三期试验投入”等，单位多为人民币万元或亿元，部分海外披露文档使用美元计价。
这些特征在「知识库检索与召回」这一环带来什么约束
化学制药财报的多来源、长文档、专业术语密集特征，对检索召回环节带来多重约束。不同交易所披露的财报格式差异较大，需兼容跨格式文档的文本提取与专业字段识别。研发管线、临时公告的不定期更新，要求知识库增量更新机制适配高频小批量的文档同步。长文档内包含关联紧密的财务字段与专业术语，需避免跨段落拆分导致的语义断裂，同时需针对“API”“仿制药一致性评价”等专属术语优化召回匹配逻辑。部分财报存在单位混用情况，需在召回后补充单位校验环节，避免数值与单位不匹配的结果返回。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_FILE_TIMEOUT_SECONDS | 900 秒 | 化学制药单份年报PDF常超50页，解析耗时较长，默认超时时间不足以覆盖完整解析流程 |
maxContext | 8000–12000 字符 | 财报包含长段落的管理层讨论与分析与明细表格，需足够上下文保留语义完整性 |
召回条数 | 前 8–10 条 | 专业术语密集的文档需足够召回量覆盖相关片段，避免遗漏关键研发或财务字段 |
相似度阈值 | 0.72–0.78 | 化学制药术语相似度需兼顾精准与召回率，过低会混入无关文档，过高会遗漏相关片段 |
UPLOAD_FILE_MAX_SIZE | 2000 MB | 单份年度财报PDF体积可达数百MB，需放宽上传文件大小限制 |
重排返回条数 | 前 4–6 条 | 对召回结果重排后保留核心相关片段，避免冗余信息干扰检索结果 |
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：上传单份年度财报PDF时，界面返回
fail to create post presigned url报错。原因：未完成对象存储的访问密钥配置，或存储桶地域与FastGPT后台设置不一致。 - 现象：检索指定财报数据集时，结果包含非目标数据集内的文档。原因：未在检索节点中绑定目标数据集ID，或未通过配置项锁定检索范围为指定数据集。
- 现象：导入化学制药财报的CSV格式明细表格时，系统提示
datasetId is required for S3 files。原因：上传文件时未关联对应知识库的数据集ID，或S3存储配置未绑定目标数据集参数。
怎么确认配好了
- 上传一份100页以上的化学制药财报PDF，检查解析进度是否正常完成，未出现超时报错。
- 检索“研发资本化支出”“API单位成本”等专属术语，核对召回结果的文档来源是否为配置的目标数据集。
- 导入一份小型CSV格式的财报明细数据，检查导入流程是否正常完成，未出现字段缺失或权限报错。
- 开启基于minerU的增强PDF解析功能，检查解析后的文本是否保留了财务表格的行列结构，未出现乱码或字段错位。
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。