这个品类的数据长什么样
实体瘤产品的数据来源广泛，涵盖临床试验报告、药物说明书、学术论文、会议摘要以及内部研发文档等。更新频率受临床研究进展和监管审批周期影响，通常为季度或年度更新，但新靶点、新疗法的数据可能月度更新。文档结构多样，包括结构化的数据库条目、半结构化的临床报告PDF，以及非结构化的研究综述文本。字段方面，特有肿瘤类型（如肺癌、乳腺癌）、基因突变信息、PD-L1表达、TMB（肿瘤突变负荷）等是关键，单位常涉及剂量（mg/kg）、时间（月、年）、疗效指标（%）。
这些特征在「知识库检索与召回」这一环带来什么约束
实体瘤数据的高度专业性和术语密集性，要求知识库在分段时能有效识别并保留关键的医学概念及其上下文，避免因过度切分导致语义丢失。数据更新频率不一，意味着检索系统需支持增量更新和版本管理，确保召回信息的时效性。多样的文档结构对解析器提出更高要求，需能从不同格式中准确提取有效信息。此外，涉及基因突变、PD-L1表达等字段时，用户查询可能包含模糊或缩写，召回策略需具备一定的鲁棒性，能够处理同义词和近义词匹配，并对数值型指标进行范围检索。
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 | 兼顾语义完整性与分段细粒度，避免单一分段过长稀释主题。 |
分段重叠长度 | 100–150 字符 | 提供上下文衔接，确保跨分段的关键信息不丢失。 |
召回条数 | 8–12 条 | 在保证覆盖面的同时，控制大模型处理的上下文长度，提高响应速度。 |
相似度阈值 | 0.75–0.85 | 实体瘤领域对召回准确性要求高，过低的阈值可能引入无关信息。 |
重排返回条数 | 3–5 条 | 经过重排模型筛选，聚焦最相关内容，减少下游模型处理负担。 |
rerank_score_threshold | 0.6 | 重排后的最低相关度，低于此分数的内容通常认为不足以支撑回复。 |
容易做错的三处
- 检索结果为空，或召回的片段与查询明显不符。原因在于
相似度阈值设置过高，或分段策略导致关键信息被切分，未能完整匹配。 - 查询特定基因突变或蛋白表达时，结果召回不全。原因在于知识库在向量化时未充分利用医学词典或同义词库，导致相似概念无法有效匹配。
- 新发布的临床试验数据未能及时被检索到。原因在于知识库的增量更新机制未配置或执行不及时，导致数据时效性不足。
怎么确认配好了
- 针对不同肿瘤类型、基因突变和药物作用机制，构造代表性查询集，检查召回结果是否包含预期关键信息。
- 测试包含医学缩写、同义词或数值范围的查询，验证系统是否能准确匹配相关文档片段。
- 定期向知识库中添加最新临床数据，并在数据导入后立即进行检索测试，确认新信息可被及时召回。
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。