这个品类的数据长什么样
罕见病临床试验预筛的数据主要来源于全球各大临床试验注册库（如 ClinicalTrials.gov、EU Clinical Trials Register）、专业罕见病数据库（如 Orphanet、OMIM）、医学文献（如 PubMed、Medline）以及药企发布的临床研究报告。这些数据更新频率不一，注册库可能每周更新，文献数据库则持续有新发表。文档结构呈现高度异质性，既有结构化的试验方案、患者招募标准、疾病诊断标准，也有非结构化的医学报告、患者日记。字段与单位的特殊性体现在疾病诊断编码（如 ICD-10-CM 罕见病特定编码）、基因突变信息（如 HGVS 命名法）、生物标志物浓度（如 ng/mL、pg/mL）、以及罕见病特有的量表评分（如 FARS 评分、mRS 评分）。
这些特征在「引用来源与溯源」这一环带来什么约束
数据来源的异质性要求 FastGPT 在引用来源与溯源时，需支持多种文档格式的摄取与解析，确保各类信息都能被有效索引。更新频率的不一致性意味着知识库的同步机制需要灵活配置，以适应不同来源的数据时效性要求。非结构化文档的普遍存在，使得对文本内容的深度理解和关键信息抽取成为溯源准确性的关键。例如，从一篇医学报告中准确识别出特定基因突变信息并关联到其原始出处，对模型的语义理解能力提出了更高要求。罕见病特有的字段和单位，如基因序列或特定量表，在引用时必须保持其原始形式和上下文，避免因标准化不足导致的信息失真，这直接影响到模型在引用生成和溯源路径上的精度。
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 | 罕见病临床试验文档常包含详细的医学描述，适中分段长度有助于保持上下文完整性，且不会过长影响召回效率。 |
召回条数 | 8–12 条 | 确保覆盖到足够多的潜在相关试验信息和诊断标准，弥补单一来源信息不足的问题。 |
相似度阈值 | 0.78–0.85 | 罕见病领域术语专业性强，提高阈值可筛选出更精准的相关文档片段，减少噪音。 |
重排返回条数 | 5 条 | 经过重排后，精炼至最相关的少数条目，提升最终引用质量和用户体验。 |
ENABLE_NETWORK_SEARCH | true | 补充知识库中可能缺失的最新试验进展或罕见病研究动态。 |
MAX_KNOWLEDGE_BASE_COUNT | 5 | 考虑到罕见病数据来源多样性，允许关联多个知识库以确保信息覆盖面。 |
容易做错的三处
- 现象：大模型在回答中未能引用网络搜索结果，即使网络搜索节点显示正常工作。原因：
ENABLE_NETWORK_SEARCH参数未正确配置为true，导致模型在生成回答时未被授权使用网络搜索结果。 - 现象：引用的知识库文档条目不包含具体字段值，仅列出文档名称。原因：知识库摄取时，非结构化文档的关键字段抽取规则未配置或不准确，导致在向量化和召回时丢失了重要的结构化信息。
- 现象：模型引用的基因突变信息格式不统一，有时缺失关键的位点或变异类型。原因：在知识库导入或处理阶段，缺乏对罕见病特有生物医学字段的标准化解析和存储，使得模型无法稳定地溯源到规范的原始数据。
怎么确认配好了
- 对 FastGPT 提问关于特定罕见病的临床试验信息，检查回答中是否包含来自多个知识库的引用，并验证引用来源链接是否可访问。
- 随机抽取几个罕见病相关问题，核对模型引用内容中是否有基因突变、特定量表评分等关键信息，并检查这些信息的格式是否与原始文档一致。
- 通过 FastGPT 的管理界面，查看最近的知识库同步日志，确认不同来源的数据更新是否按预期频率进行，且无明显错误。
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。