药物警戒产品的知识库检索与召回

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、真实世界研究、不良事件报告（ADR）、药品说明书、医学文献以及监管机构发布的指南和法规文件。这些数据更新频率较高，特别是药品上市后的不良事件报告，呈现持续性、碎片化的特征。文档结构多样，包括结构化的数据库记录、半结构化的表格数据（如 CSV 或 XLSX 格式的不良事件列表）以及大量的非结构化文本（如临床医生记录、患者自述、医学专家意见）。数据字段涵盖药品名称、批次、适应症、用法用量、不良反应名称、发生时间、严重程度、预后、相关疾病、患者基本信息等。单位涉及剂量（mg、g）、频率（次/日）、时间（小时、天、年）等。

这些特征在「知识库检索与召回」这一环带来什么约束

药物警戒数据的多样性和高更新频率要求知识库具备高效的增量更新能力和多格式文件处理能力。非结构化文本中的医学术语和缩写需要精确识别，这对分词和嵌入模型提出了挑战。不良事件报告的碎片化特征，使得单一报告可能不足以提供完整信息，需要聚合多个相关文档才能形成全面的风险评估，这影响了检索结果的召回策略。此外，药品说明书和监管文件中存在大量表格数据，其中的关键信息（如药物相互作用、禁忌症）需要从表格结构中准确提取，并与非结构化文本关联，这直接影响了知识库文档切分和元数据提取的有效性。对时间、剂量等单位的敏感性，要求检索系统能够理解并匹配带有特定单位的数值查询。

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	兼顾不良事件报告的完整性和长篇医学文献的语义连贯性，避免关键信息被截断。
`分段重叠长度`	100–200 字符	确保跨段落的上下文连续性，提升检索召回率，尤其适用于描述复杂不良反应机制的文本。
`召回条数`	前 10–15 条	药物警戒查询通常需要综合多方面信息进行判断，增加召回条数可以覆盖更多潜在相关文档。
`相似度阈值`	按实测标定	针对医学术语和缩写，需通过测试集评估并调整，确保高相关性文档被召回，同时过滤低质量结果。
`重排返回条数`	前 5 条	在保证召回广度的基础上，通过重排模型聚焦最相关的高质量信息，减少后续分析负担。
`PARSE_FILE_TIMEOUT_SECONDS`	600 秒	应对大型临床试验报告或监管文件解析时间较长的情况，避免因超时导致文件处理失败。

容易做错的三处

知识库更新后，新数据未能被检索到，原因是文本索引未及时重建或索引服务异常，导致 { "message": "text index required for $text qu 报错。
检索结果中出现大量无关或低相关性文档，原因在于 分段长度 设置过小，导致文本语义丢失，或 相似度阈值 设置过低，未能有效过滤噪声。
表格类型数据（如 XLSX 中的不良事件列表）导入知识库后，关键字段无法被有效检索，原因可能是文件解析器未能正确识别表格结构并提取关键列作为元数据或文本内容。

怎么确认配好了

选择有代表性的药物警戒查询，模拟真实场景进行检索，检查召回结果中是否包含所有已知相关文档。
针对特定药品的不良事件查询，评估检索结果能否提供足够的信息来支持风险评估，例如不良反应名称、发生率、相关因素等，并与人工查询结果进行比对，确认覆盖率。
上传包含复杂表格结构的文件，检查知识库文档切片中是否正确提取了表格中的关键信息，并能通过表格内容进行检索。

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。