这个品类的数据长什么样
罕见病临床试验预筛的数据来源多样，主要包括医学文献库（如 PubMed、Medline）、临床试验注册库（如 ClinicalTrials.gov、EU Clinical Trials Register）、患者注册中心、基因组学数据库（如 ClinVar、OMIM）以及电子健康记录（EHR）。数据的更新频率因来源而异，临床试验注册库通常每周或每月更新，医学文献库则为日更或周更。文档结构复杂，包含非结构化的临床病历文本、半结构化的临床试验方案（PDF）、以及结构化的基因检测报告和患者特征表格。字段包括疾病名称、基因突变、临床表型（使用 HPO 术语）、药物治疗史、影像学报告、生物标志物等。单位通常涉及药物剂量（mg、μg）、时间（日、周、月）、生物指标浓度（ng/mL、pmol/L）等。
这些特征在「模型接入与配置」这一环带来什么约束
罕见病数据的多源异构性要求模型具备处理不同数据格式的能力。大量非结构化文本（如病历和文献）使得文本嵌入模型和大型语言模型（LLM）成为核心。数据更新的频繁性，特别是临床试验注册信息，对知识库的实时性提出了高要求，需要建立高效的增量更新机制。文档的复杂结构，尤其是包含图表和医学图像的 PDF 文件，促使多模态模型接入成为必要，以提取视觉信息。同时，不同数据库中字段和单位的不一致性，以及专业医学术语的普遍存在，需要模型具备强大的实体识别、关系抽取和单位标准化能力，以确保信息提取的准确性。这些约束共同决定了在模型接入与配置时，需要优先考虑模型的泛化能力、更新效率和多模态处理能力。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8192 token | 罕见病临床文献和病历文本通常较长，需要足够长的上下文窗口来理解疾病全貌和复杂病史。 |
embeddingModel | text-embedding-ada-002 或更高版本 | 应对医学术语和复杂生物学概念的语义理解，确保高维向量的准确性。 |
chunkSize | 800–1200 字符 | 平衡文本语义完整性和召回效率，避免过度切分导致上下文丢失，或分段过大引入无关信息。 |
overlapSize | 100–200 字符 | 确保分段之间的平滑过渡，保留相邻分段的关联性，减少关键信息被切断的风险。 |
imageRecognition | 开启 | 临床数据常包含影像学报告、病理切片等图像信息，多模态能力有助于全面理解患者状况。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型 PDF 文档（如临床试验方案）可能耗时较长，需要延长文件解析超时时间。 |
容易做错的三处
- 在AI对话节点上传图片进行识别时，模型回复无法提供图片内容，因为其被配置为文本型人工智能。这通常是由于未正确接入支持多模态能力的模型，或在节点配置中未启用图片识别功能。
- 连接外部VLLM部署的Qwen3-Embedding-8B模型时出现连接报错。这可能是因为网络配置问题（如防火墙、代理设置），或FastGPT侧的模型调用接口参数与VLLM服务端的实际要求不匹配。
- 模型调用工具时输出中断。这可能源于工具执行超时，或工具返回的响应格式不符合模型预期，导致模型无法继续处理。
怎么确认配好了
- 上传包含文本和图像的临床试验方案 PDF 文件，验证其内容是否被正确解析，并能提取出关键疾病信息、基因突变描述和试验设计细节。
- 针对罕见病患者的结构化基因检测报告进行提问，核对模型对基因位点、突变类型和相关临床表型的理解是否准确，并能将其与已注册的临床试验进行匹配。
- 配置一个包含常见罕见病术语和缩写的查询集，通过测试评估模型在不同查询下，召回的文献和临床试验信息的准确性和相关性，并根据实际需求调整
相似度阈值。 - 接入多模态模型后，上传一张包含病理切片或医学影像的图片，并提出相关问题，验证模型能否从图像中提取出有效信息并给出合理回复。
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。