这个品类的数据长什么样
感染性疾病制度的数据主要来源于国家卫健委发布的诊疗指南、临床路径、医院内部制定的感染控制手册、操作规程（SOP）以及相关法律法规。这些文档通常以 PDF、Word 或内部知识管理系统页面形式存在。更新节奏相对稳定，国家级指南通常每 3–5 年更新一次，医院内部SOP则可能每年修订或根据新发疫情动态调整。文档结构多为章节式，包含引言、定义、诊断标准、治疗方案、预防措施等，段落长度不一。字段涉及疾病名称、病原体、药物名称、剂量、给药途径、ICD-10 编码、微生物检测结果单位（如 CFU/mL）、抗生素敏感性（如 MIC 值）等。
这些特征在「知识库检索与召回」这一环带来什么约束
感染性疾病制度文档的专业性与规范性，要求知识库检索必须精准匹配医学术语和特定编码，例如 ICD-10。文档中包含大量表格和图示，纯文本解析可能遗漏关键信息，影响召回质量。更新频率虽不高，但任何修订都可能涉及临床决策的核心环节，要求知识库能够快速识别并更新受影响的知识点，避免召回过期或错误的方案。多章节结构以及不同文档间的交叉引用，使得单一文档的上下文可能不完整，需要跨文档的关联性召回。此外，药物剂量和单位的精确性，对检索结果的完整性和准确性提出了高要求，避免因截断或误识别导致错误信息。
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 | 平衡上下文完整性与检索效率，兼顾SOP中常见较长段落 |
分段重叠长度 | 100–150 字符 | 确保段落边界信息不丢失，尤其在跨段落讨论疾病机制时 |
召回条数 | 8–12 条 | 考虑到感染性疾病诊断与治疗的复杂性，提供更丰富的上下文 |
相似度阈值 | 0.75–0.85 | 保证检索结果与查询高度相关，减少不精确医学术语的干扰 |
重排返回条数 | 3–5 条 | 聚焦最核心和相关的制度条款，避免信息过载 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 应对大型PDF或Word文档的解析时间，避免超时报错 |
容易做错的三处
- 搜索测试时，输入专业术语却无法召回预期结果，原因可能是文档解析时未能正确提取或索引特定医学词汇，或分段过短导致上下文语义丢失。
- 上传PDF文件后，查询结果显示“未找到相关信息”，经常是由于PDF文件为扫描件，未经OCR处理，导致文本内容无法被知识库识别和索引。
- API模型与本地模型在问答效果上存在差异，表现为本地模型对知识库内容的引用不足，可能是因为本地模型参数量或微调数据不足，对特定领域知识的理解能力低于API模型。
怎么确认配好了
- 针对核心疾病（如肺炎、败血症），使用不同表述方式进行查询，观察召回结果是否包含关键诊断标准和治疗方案。
- 检查知识库中关于药物剂量和给药途径的查询，验证召回文本是否完整包含单位和数值。
- 使用文档中特有的
ICD-10编码或病原体名称进行搜索，确认能精准定位到相关制度条款。 - 模拟制度更新场景，上传修订后的文档，测试知识库是否能召回最新版本的信息，并覆盖旧版本可能存在的错误。
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。