这个品类的数据长什么样
药物警戒数据主要来源于临床试验报告、真实世界证据（RWE）、不良事件报告（ADR）数据库、医学文献以及药品说明书。数据更新频率较高，新药上市后不良反应报告持续涌入，现有药品说明书也可能因新的安全性信息而修订。文档结构通常包含结构化字段与非结构化文本，如患者基本信息、药品信息、不良事件描述、诊断结果、处理措施等。字段与单位具有高度专业性，例如不良事件的医学术语（MedDRA编码）、剂量单位（mg、IU）、时间单位（天、小时）、以及实验室检查结果（mmol/L、U/L）。
这些特征在「向量模型与索引」这一环带来什么约束
药物警戒数据的高更新频率要求向量索引具备高效的增量更新能力，以确保查询结果的时效性。文档中包含大量专业医学术语和缩写，这对向量模型的语义理解能力提出较高要求，通用模型可能难以准确捕捉其深层含义。结构化与非结构化混合的文档结构意味着索引策略需兼顾字段检索与语义检索。例如，查询特定药物在特定器官的不良反应时，需要能同时检索结构化字段中的药品名称和非结构化文本中对器官及不良反应的描述。时间、剂量等关键数值信息，需要通过特定的向量化处理或结合元数据过滤，以支持精确查询。
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 | 药物不良事件描述常包含多条信息，此长度能较好捕获完整语境，同时避免单段过长导致噪声。 |
分段重叠 | 100–200 字符 | 确保跨段落的关联信息不丢失，尤其在描述事件发展或因果关系时。 |
嵌入模型 | 专业医学领域微调模型 | 提升对 MedDRA 术语、药品名称及临床描述的理解精度。 |
召回条数 | 前 10–20 条 | 药物警戒查询通常需要较广的初步召回范围，以覆盖潜在的相关信息。 |
相似度阈值 | 按实测标定 | 需根据具体模型和数据分布，结合召回率与准确率曲线确定，确保高相关性结果。 |
重排返回条数 | 5–8 条 | 平衡用户阅读体验与信息全面性，提供最相关的少数结果。 |
容易做错的三处
- 知识库上传后，部分文档未被索引。这通常是由于文件格式不支持或文件内容解析超时，导致文档未能被正确切分和向量化。
- 使用通用嵌入模型后，相似度分数异常高或过低，导致搜索结果不准确。这源于通用模型对医学专业词汇的语义理解不足，未能区分细微的语义差异。
- 查询结果中未能有效过滤或排序特定时间段、剂量范围的数据。这可能是因为在向量化或索引时，未将这些结构化元数据作为可查询或可排序的属性进行特殊处理。
怎么确认配好了
- 对一组包含已知不良反应的药物报告进行查询，检查召回结果中是否包含所有关键不良事件描述、药品信息和患者特征。
- 使用不同医学专业术语作为查询词，验证召回结果中是否能准确匹配到相关文档，并观察相似度分数分布，确保其区分度符合预期。
- 上传一份新增的药品说明书或不良事件报告，检查其是否能被及时索引，并通过查询验证新数据是否已可被检索，以确认增量更新机制正常工作。
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。