这个品类的数据长什么样
医保结算数据主要来源于医院信息系统（HIS）与医保局结算平台，通常以结构化或半结构化的电子病历、结算清单、费用明细等形式存在。数据更新频率较高，日结或周结是常见模式，涉及患者就诊日期、诊断编码（如 ICD-10）、治疗项目编码、药品编码、费用金额、报销比例等关键字段。文档结构上，结算清单常以表格形式呈现，包含多个费用项目及其对应的编码与金额。病案首页或出院小结则可能包含非结构化的文本描述，如主诉、现病史、治疗经过等。数据单位以人民币（元）为主，编码体系遵循国家医保目录和临床诊疗规范。
这些特征在「向量模型与索引」这一环带来什么约束
医保结算数据的结构化特性要求向量模型在编码时能够有效区分不同字段的语义，避免简单的文本分块导致关键编码信息丢失。高更新频率意味着索引需要支持高效的增量更新机制，以确保临床试验预筛的准确性与时效性。例如，新增的结算记录应能迅速反映在索引中。文档中混杂的结构化编码和非结构化文本对向量模型的选择提出挑战，需要模型能够处理多模态或至少能对不同类型信息进行有效编码。此外，费用金额、报销比例等数字信息在向量化时需特别处理，避免直接文本编码带来的语义模糊，可能需要数值嵌入或与分类编码结合。患者隐私和数据安全是核心约束，要求在数据预处理和索引构建阶段进行严格的脱敏处理。
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 | 兼顾结算清单的条目密度与病案文本的上下文连贯性，避免过度截断关键信息。 |
分段重叠 | 50 字符 | 确保分段边界上下文的连续性，提高召回率，减少语义割裂。 |
向量模型 | text-embedding-v3-small 或 bge-large-zh-v1.5 | 综合考虑中文语义理解能力、编码效率及成本，处理结构化编码和非结构化文本。 |
索引模型 | bge-large-zh-v1.5 | 保证与向量模型编码一致性，提升召回质量。 |
召回条数 | 10–20 条 | 考虑到医保结算数据的复杂性和关联性，适当增加召回数量以覆盖潜在匹配项。 |
相似度阈值 | 按实测标定 | 根据预筛的精确度与召回率要求，通过实际测试确定，初始可设 0.75。 |
容易做错的三处
- 索引更新后，新的医保结算数据无法被检索到，原因是增量索引任务未正确配置或执行失败，导致索引未及时刷新。
- 临床试验预筛结果中频繁出现不相关的结算记录，原因可能是
相似度阈值设置过低，或者向量模型未能有效区分细微的语义差别。 - 对特定疾病诊断的患者进行预筛时，发现大量相关病历信息未被召回，原因可能是
分段长度过小，导致关键诊断描述被截断，未能形成完整的语义向量。
怎么确认配好了
- 选择几份具有代表性的医保结算清单和病历文本，手动构建查询，检查召回结果是否包含预期关联项。
- 通过 FastGPT 平台查看索引模型的日志，确认是否有错误或警告信息，特别是关于数据导入和向量化的部分。
- 在 FastGPT 的知识库管理界面，随机抽取已索引的文档，检查其分段情况与向量化预览，确认关键字段与编码是否被正确处理。
- 针对特定临床试验条件，进行多轮预筛测试，分析召回记录的精确率与召回率，并与预期结果进行比对，根据结果调整
相似度阈值。
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。