这个品类的数据长什么样
病历质控场景的数据主要来源于医院信息系统（HIS）、电子病历系统（EMR）、临床路径系统（CPS）以及医保审核系统。这些数据以结构化和非结构化混合的形式存在，包括患者基本信息、诊断记录、治疗方案、医嘱、检查检验结果、手术记录、护理记录、费用明细等。数据更新频率高，通常随患者就诊过程实时或准实时生成。文档结构复杂，可能包含大量医学术语、缩写和自由文本描述。字段与单位多样，例如时间戳精确到秒，剂量单位涉及毫克、毫升，病案号、医保号等具有特定编码规则。
这些特征在「知识库检索与召回」这一环带来什么约束
高频更新的数据特性要求知识库具备高效的增量索引能力，确保检索结果的时效性。结构化与非结构化混合的文档结构，意味着需要支持多模态或混合检索策略，以兼顾精确匹配和语义理解。大量医学术语和缩写对词法分析和实体识别提出了挑战，需要更专业的词典和预处理机制来提高召回准确率。字段与单位的多样性要求知识库在解析和匹配时能识别不同单位的等价性，例如剂量单位的换算，或日期格式的归一化，避免因格式不一致而漏召。病历的敏感性则要求数据处理和检索过程严格遵守数据安全和隐私保护规范。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 300–500 字符 | 兼顾病历信息的完整性与检索粒度，避免长文本稀释关键信息。 |
召回条数 | 8–12 条 | 覆盖潜在相关病历片段，平衡召回率与后续处理的复杂度。 |
相似度阈值 | 按实测标定 | 需通过实际质控规则与专家评估，确保召回结果的业务相关性。 |
重排返回条数 | 3–5 条 | 聚焦最相关的病历段落，减少大模型处理负担并提升响应速度。 |
SEARCH_TOP_K | 15 | 扩大初步召回范围，为重排提供更丰富的候选集。 |
embeddingModel | text-embedding-ada-002 或其他医疗领域优化模型 | 提升医学文本的语义理解能力，提高相似度计算的准确性。 |
容易做错的三处
- 现象：知识问答提示“没有选择知识库”。原因：在聊天配置中未关联相应的病历质控知识库，或在多知识库场景下未明确指定目标知识库。
- 现象：检索结果中出现大量无关或低相关性病历片段。原因：
分段长度设置过大，导致单个分段包含过多噪声信息，或相似度阈值设置过低。 - 现象：某些关键医学术语未能被有效召回。原因：知识库在导入时未进行充分的医学词汇预处理，导致分词不准确或实体识别缺失。
怎么确认配好了
- 通过构造包含典型质控疑问的测试用例，观察召回结果是否包含所有预期相关的病历片段。
- 选取不同复杂度的病历样本，检查
重排返回条数内的内容是否高度聚焦于质控关注点。 - 定期对新导入的病历数据进行小批量抽样检索，验证知识库的增量更新和索引效果。
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。