这个品类的数据长什么样
智能导诊制度的数据主要来源于医院内部的规章制度、操作流程、医疗服务指南、科室职责文件以及各类诊疗规范。这些文档的更新频率相对稳定，通常是年度修订或根据政策调整进行不定期更新。文档结构以非结构化文本为主，例如 PDF 格式的制度文件或 Word 格式的 SOP 文档，内部可能包含大量的表格、图片和流程图。文本内容涉及的字段包括但不限于：制度编号、发布日期、生效日期、适用范围、责任部门、具体流程步骤、风险提示、例外情况处理等。单位方面，常见的时间单位如“天”、“小时”、“分钟”，以及与流程相关的数量单位如“次”、“例”。
这些特征在「知识库检索与召回」这一环带来什么约束
智能导诊制度数据的特点对知识库检索与召回带来了多方面约束。首先，制度文件通常篇幅较长且逻辑严谨，单一分段过短可能导致上下文缺失，影响语义理解。其次，制度中包含的编号、日期等信息，在检索时需要精确匹配，模糊匹配可能引入不相关结果。再次，更新频率相对较低，意味着知识库需要支持版本管理，以确保检索到的制度是最新生效的版本。此外，制度中的流程步骤和条件判断，要求检索系统能够理解复杂的逻辑关系，并准确抽取关键信息。最后，制度文档的非结构化特性，特别是表格和流程图的存在，对文本提取和分段策略提出了更高要求，避免信息丢失或错位。
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 | 制度文档逻辑严密，需要较长的上下文维持语义完整性，避免关键信息被截断。 |
分段重叠 | 100 字符 | 确保相邻段落之间有足够的重叠，以应对跨段落的查询，减少信息丢失。 |
召回条数 | 前 5–8 条 | 考虑到制度内容的复杂性，增加召回条数有助于覆盖更多相关条款，提高命中率。 |
相似度阈值 | 0.75–0.85 | 制度问答对准确性要求高，适当提高阈值可过滤掉低相关性结果，减少噪音。 |
重排返回条数 | 前 3 条 | 经过重排后，通常前几条结果的准确性和相关性最高，优先展示。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 制度文件可能较大，解析时间较长，需要足够的超时时间避免解析失败。 |
容易做错的三处
- 现象：用户提问关于制度更新周期时，系统返回了旧版制度内容。原因：知识库未及时更新或未启用文档版本管理，导致检索到的是过期数据。
- 现象：上传的制度文件包含图片或复杂表格，但检索结果中未包含图片中的文字信息，或表格内容被错误解析。原因：文档解析器对非文本内容（如图片 OCR、表格结构识别）的支持不足，导致部分关键信息未能有效入库。
- 现象：用户提问“XX 制度的审批流程是怎样的？”，系统返回的答案支离破碎，未能形成完整流程。原因：
分段长度设置过短，导致一个完整的流程描述被拆分到多个段落中，检索时无法聚合完整信息。
怎么确认配好了
- 选取若干典型问题，包括对制度条款、流程步骤、责任部门的查询，验证召回结果是否包含正确且完整的制度条目。
- 上传新旧两个版本的同一制度文件，查询相关内容，确认系统能够优先召回最新生效的版本。
- 测试包含复杂表格或流程图的制度文件，验证检索结果是否能准确提取表格中的关键数据或流程描述。
- 模拟用户提问制度中涉及的编号或日期等精确信息，检查检索结果是否能准确匹配并返回对应的制度文件或段落。
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。