这个品类的数据长什么样
呼吸系统产品的知识库数据主要来源于医学文献、临床指南、药品说明书、医疗器械注册证、以及企业内部的产品研发报告与技术文档。这些数据的更新频率不一，药品说明书和注册证的修订通常伴随国家药监局的审批流程，周期相对较长，而临床研究进展和学术论文的发布则更为频繁。文档结构上，常见 PDF 格式的说明书和指南，其内容排版复杂，包含大量图表、多级标题和参考文献。此外，还有结构化的产品数据库，记录了产品的化学成分、作用机制、适应症、禁忌症、不良反应等。字段与单位方面，涉及剂量（mg、μg）、浓度（%）、给药途径（吸入、口服）、疗程（天、周）、以及各种生理指标（FEV1、SpO2%）等，这些字段和单位的准确性对检索结果的可靠性至关重要。
这些特征在「知识库检索与召回」这一环带来什么约束
呼吸系统产品数据来源的复杂性，要求知识库在文档解析时具备对多格式的支持能力，特别是对 PDF 中图表和多级标题的正确识别。更新频率的差异意味着需要灵活的索引策略，对于高频更新的临床研究部分，应考虑更快的索引周期，确保信息的时效性。文档结构复杂性对文本分段提出了挑战，不恰当的分段可能导致关键信息被分割，影响召回质量。例如，一个关于哮喘药物剂量的段落，如果与适应症描述断开，可能导致检索结果不完整。字段和单位的精确性，要求检索系统能够识别并匹配医学术语和数值单位，避免因单位不匹配而导致的误召回。此外，由于呼吸系统疾病的特异性，如哮喘、慢阻肺等，其专业术语和缩写较多，需要知识库在向量化时能准确捕捉这些语义信息。
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 | 兼顾语义完整性和向量嵌入效率，避免过长段落稀释主题，或过短段落丢失上下文。 |
重叠长度 | 100–200 字符 | 确保上下文衔接，防止关键信息在段落边界处被截断，尤其对于跨页或跨节的内容。 |
召回条数 | 5–8 条 | 综合考虑检索效率与信息覆盖度，避免过少条目遗漏关键信息，或过多条目增加 LLM 处理负担。 |
相似度阈值 | 按实测标定 | 针对呼吸系统专业术语和概念的密集性，通过测试集调整，确保高相关性召回。 |
重排返回条数 | 3–5 条 | 在召回结果基础上，利用重排模型进一步提升最相关信息的排序，优化用户体验。 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 应对大型 PDF 说明书或指南的解析耗时，防止因超时导致文件上传失败。 |
容易做错的三处
- 现象：知识库检索结果中，关于特定药物的剂量信息缺失或不准确。 原因：文档解析时，表格内的数据未被正确识别并提取，或分段策略将剂量信息与上下文分离。
- 现象：用户提问关于某种呼吸系统疾病的最新治疗指南时，返回的知识仍是旧版本。 原因：知识库索引更新周期过长，未能及时纳入最新发布的临床指南文档。
- 现象：检索关于某种医疗器械的图片或图示不显示，只显示文本描述。 原因：文档解析器未能有效提取并关联图片文件，或前端展示组件不支持特定格式的图片引用。
怎么确认配好了
- 选择多个包含表格、图示和多级标题的呼吸系统产品文档，上传至知识库，并检查其内容是否被完整、准确地解析和分段。
- 构建一套涵盖呼吸系统疾病、药物、器械等不同主题的测试问题集，对比检索结果的相关性、完整性和时效性，尤其是针对近期更新的信息。
- 模拟用户提问场景，观察知识库在不同查询复杂度下的响应速度，并检查是否有因文件解析或向量检索导致的超时错误记录。
- 针对关键的医学术语和剂量单位，进行精确匹配和模糊匹配测试，确认检索系统能够准确识别并召回相关信息，避免单位混淆。
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。