这个品类的数据长什么样
CAR-T 细胞治疗领域的临床试验数据主要来源于临床试验注册库（如 ClinicalTrials.gov、中国临床试验注册中心），以及各研究机构发布的学术论文、会议摘要和内部研究报告。这些数据更新频率较高，尤其是在新靶点和新疗法出现时。文档结构通常包括试验方案（Protocol）、患者入组/排除标准、治疗方案、不良事件报告（AEs）、疗效评估指标（如 ORR、CR 率）、随访数据等。字段涵盖医学术语（如 ICD-O-3 肿瘤编码）、药物剂量（如 cells/kg）、时间单位（如 months、weeks）、生物标志物（如 CD19 表达水平）和基因突变信息。
这些特征在「向量模型与索引」这一环带来什么约束
CAR-T 临床试验数据的专业性强，包含大量医学专有名词、缩写和数值范围，对向量模型的语义理解能力提出较高要求。患者入组/排除标准中的逻辑关系复杂，例如“既往接受过特定治疗的患者排除，但淋巴瘤复发患者除外”，这需要向量索引能捕获语句间的细微差别。治疗方案和不良事件报告通常以非结构化文本形式存在，而剂量和疗效数据则多为结构化或半结构化。高频更新的特性要求索引具备快速增量更新机制，避免频繁全量重建。此外，患者隐私和数据安全是核心考量，索引构建过程中需确保敏感信息去标识化处理。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500–800 字符 | 兼顾语义完整性与向量模型处理效率，避免过长段落稀释关键信息，过短段落丢失上下文。 |
分段重叠长度 | 100–150 字符 | 确保跨段落的上下文连续性，尤其在描述入排标准或治疗流程时。 |
召回条数 | 前 10–15 条 | 考虑到 CAR-T 试验的复杂性，需要更多相关文档片段进行精排以确保覆盖。 |
相似度阈值 | 按实测标定 | 根据具体查询场景和数据集特性，通过 A/B 测试 0.75 到 0.85 之间进行精调，平衡召回率与准确率。 |
索引模型 | text-embedding-3-large 或同级别模型 | 应对医学专业术语和复杂逻辑，需要高性能的嵌入模型捕获细粒度语义。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型临床试验方案 PDF 文档解析可能耗时较长，预留足够时间。 |
容易做错的三处
- 索引状态长时间显示“索引中”，无法变为“已就绪”，常见原因可能是文档解析超时或向量模型服务响应缓慢。
- 数据集中的数据条目或索引数量异常增加，这通常是由于重复上传相同文档，或配置了不当的定时同步任务导致数据冗余。
- 引用高性能嵌入模型后，索引构建任务停滞不前，可能是因为模型服务资源不足或 API 调用频率受限。
怎么确认配好了
- 上传一份包含复杂入排标准的临床试验方案 PDF 文件，检查索引是否成功构建，并通过检索相关关键词验证召回结果。
- 使用包含特定剂量单位（如
mg/kg）和时间单位（如weeks）的查询语句，验证系统能否准确召回相关文档片段。 - 模拟高频数据更新场景，观察增量索引任务是否能及时完成，并检查新数据是否可被检索。
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。