这个品类的数据长什么样
合理用药的临床试验预筛数据主要来源于药品说明书、临床指南、药理学研究报告、药物不良反应数据库（如 FDA Adverse Event Reporting System, FAERS）以及医学文献。数据更新频率较高，特别是新药上市和临床指南修订。文档结构通常包含规范的医学术语、剂量信息、禁忌症、药物相互作用、副作用等。字段涵盖药物通用名、商品名、适应症、用法用量、特殊人群用药指导、药代动力学参数、药效学机制以及相互作用药物列表。单位多为国际标准单位，如毫克（mg）、毫升（ml）、摩尔（mol）、百分比（%）等，并包含时间单位（小时、天）和频率描述。
这些特征在「知识库检索与召回」这一环带来什么约束
高更新频率要求知识库具备高效的增量更新机制，确保检索结果的时效性。规范的医学术语和结构化数据特性，使得精确匹配和语义理解成为关键，避免因同义词或近义词导致的漏召回。剂量、禁忌症等数值型和枚举型字段的存在，需要检索系统支持范围查询和精确条件过滤。药物相互作用等复杂关联信息，对知识图谱或多跳推理能力提出要求，单一的文本相似度检索可能不足。此外，文档中包含的专业图表和表格数据，需要专门的解析和嵌入策略，以确保其内容能被有效索引和检索。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 平衡上下文完整性与嵌入模型处理效率，确保单个药物或相互作用描述的语义连贯。 |
召回条数 | 前 10–15 条 | 考虑到合理用药的复杂性和多维度信息，增加召回量以提高覆盖率。 |
相似度阈值 | 按实测标定 | 需根据具体嵌入模型和数据集进行调整，平衡查全率和查准率，通常在 0.75 以上。 |
重排返回条数 | 前 5 条 | 大模型处理窗口有限，精选最相关的条目进行详细分析，降低推理成本。 |
maxContext | 3000 Tokens | 留足空间给召回内容和用户问题，同时避免超出大模型的上下文限制。 |
embedding_model_version | text-embedding-ada-002 或更高 | 确保足够强的语义理解能力，处理专业医学术语和复杂句式。 |
容易做错的三处
- 检索结果中出现与查询药物剂量不符的推荐，原因是对知识库中剂量范围字段的解析或匹配逻辑不严谨，导致模糊匹配。
- 用户提问特定药物禁忌症时，系统未能召回相关内容或召回了不相关的条目，原因是对医学术语的同义词或上位词处理不足，导致索引与查询词汇不匹配。
- 知识库更新后，新发布的药物相互作用指南未能立即体现在检索结果中，原因是知识库的增量更新机制未配置或执行不及时，导致数据时效性问题。
怎么确认配好了
- 选取一批包含已知剂量、禁忌症和药物相互作用的典型查询，检查召回结果是否包含所有预期知识点。
- 针对近期更新的临床指南或药物说明书，构造查询并验证新知识是否已被知识库有效索引和召回。
- 分析召回结果的相关度分数分布，检查是否存在大量低分但被召回或高分却不相关的异常情况，据此调整
相似度阈值。 - 在模拟临床预筛场景中，提交复杂的多条件查询，评估召回内容能否支持大模型进行准确的合理用药判断。
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。