这个品类的数据长什么样
高值耗材的数据来源多样，主要包括生产商提供的产品说明书、技术白皮书、合规认证文件（如 CE、FDA 证书）、临床应用指南以及产品目录。这些数据更新频率相对较低，通常随产品迭代或法规更新而变化，每年数次。文档结构上，产品说明书常为 PDF 格式，内容包含产品名称、型号、规格、材质、预期用途、禁忌症、使用方法、灭菌方式、储存条件等。字段方面，常涉及如“产品注册证号”、“批号”、“有效期”、“适用症”、“包装单位”、“最小销售单位”等，单位则会包含“mm”、“g”、“ml”或“个”、“套”等具体计量单位。
这些特征在「模型接入与配置」这一环带来什么约束
高值耗材数据更新频率低，意味着知识库构建时对实时性要求不高，但对准确性和完整性要求极高，因为错误信息可能导致严重的医疗风险。PDF 格式文档的普遍性，要求模型接入时需具备强大的 PDF 解析能力，尤其要能处理其中包含的表格和图片信息。字段的专业性和单位的精确性，对模型理解上下文和生成准确回答提出了挑战，需要更精细化的分词和实体识别。例如，产品注册证号这类结构化信息，需要模型能准确抽取并关联。此外，不同产品的规格参数差异大，对模型处理长尾查询和细节比对的能力也形成约束。
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 | 确保单个知识块包含足够的产品信息，又不至于过长导致模型难以聚焦。 |
召回条数 | 前 5–8 条 | 提升检索召回率，覆盖不同用户查询角度，尤其在产品型号众多时。 |
相似度阈值 | 0.78–0.85 | 兼顾准确性和召回率，避免无关信息干扰，同时能匹配到近似查询。 |
重排返回条数 | 前 3 条 | 聚焦最相关的产品信息，减少模型处理负担，提高响应效率。 |
maxContext | 3000–4000 token | 确保模型能处理包含多个产品细节和对比的长查询，特别是产品选型咨询。 |
UPLOAD_FILE_MAX_SIZE | 100 MB | 适应产品说明书等 PDF 文件可能较大的情况，避免上传失败。 |
容易做错的三处
- 工作流中模型选择不生效，导致输出内容与预期不符，通常原因是工作流节点配置的模型未正确绑定或所选模型不支持该节点操作。
- Ollama 挂载的本地 LLM 模型回答与知识库内容脱节，原因是 OneAPI 渠道配置参数不匹配，导致 FastGPT 无法正确调用或传递上下文。
- Rerank 功能未生效或效果不佳，通常是
rerank_api_key或rerank_model_id未在系统设置或知识库配置中正确填入。
怎么确认配好了
- 上传典型产品说明书 PDF，检查知识库分段预览是否准确，特别是表格和关键参数是否被正确提取。
- 使用包含产品型号、规格、适用症等关键词的查询，验证模型能否从知识库中召回相关文档片段。
- 针对某具体高值耗材产品，提问其使用禁忌或储存条件，核对模型回答与产品说明书内容是否一致。
- 模拟用户进行产品选型比较，观察模型是否能根据不同参数（如材质、尺寸）给出准确的对比结果。
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。