罕见病制度的引用来源与溯源

罕见病相关制度数据主要来源于国家药品监督管理局（NMPA）、国家卫生健康委员会、地方医保局等官方机构发布的法规、指南、目录和通知。这些文档通常以PDF格式发

这个品类的数据长什么样

罕见病相关制度数据主要来源于国家药品监督管理局（NMPA）、国家卫生健康委员会、地方医保局等官方机构发布的法规、指南、目录和通知。这些文档通常以 PDF 格式发布，部分以 HTML 页面形式存在。更新频率不一，国家层面的法律法规通常数年一次重大修订，而地方医保目录或临床指南可能每年更新。文档结构以章节、条目为主，包含大量专业术语、疾病分类编码（如 ICD-10）、药品通用名、适应症、报销范围等。数据中还涉及医学术语、剂量单位（mg/kg）、给药频率等，这些是理解制度文本的关键。

这些特征在「引用来源与溯源」这一环带来什么约束

罕见病制度文档的官方性和法律效力，决定了引用来源的准确性与可溯源性至关重要。PDF 文档中嵌套的表格和图片内容，可能在切分时丢失上下文，影响召回质量。更新频率的不确定性，要求知识库具备版本管理能力，以确保引用的是当前生效的最新规定。疾病分类编码、药品通用名等专有名词的识别，需要优化文本嵌入模型或配置专有名词词典，提高召回精度。剂量单位和给药频率等字段，在问答中需要精确呈现，避免误导，这要求引用片段能准确捕获原文细节，并支持高亮显示。

配置怎么定

配置项建议取法这样取的依据
分段长度400–600 字符罕见病制度文本通常逻辑严谨，单段过长易引入无关信息，过短则上下文不足。
召回条数前 5 条制度问答对准确性要求高，增加召回条数有助于覆盖更多相关规定，同时避免冗余。
相似度阈值0.75确保召回的片段与用户提问高度相关，降低误引风险。
重排返回条数前 3 条在召回基础上进一步精选，优先展示最匹配的制度条款，提高引用质量。
ENABLE_PDF_OCRtrue许多制度文件以扫描版 PDF 形式发布，启用 OCR 确保文本可抽取。
EMBEDDING_MODEL_NAMEtext-embedding-ada-002适用于处理医学专业术语和法规文本，提高语义匹配准确性。

容易做错的三处

  • 用户提问后未返回任何引用来源，可能是因为 相似度阈值 设置过高，导致相关性稍低的有效段落被过滤。
  • 返回的引用来源与用户问题关联度不高，可能是 分段长度 过长，单个分段包含过多不相关信息，稀释了关键语义。
  • 知识库测试时，部分制度文本中的表格数据未能被引用，这是因为 ENABLE_PDF_OCR 未开启或 OCR 引擎对表格识别能力不足，导致表格内容未被索引。

怎么确认配好了

  • 针对国家药品监督管理局发布的《罕见病目录》中的具体疾病，提问其报销政策或用药规定，检查返回的引用来源是否指向最新版本的文件和具体条款。
  • 随机选取 10-15 个包含专业医学术语和剂量单位的制度条款，构造问句进行测试，核对引用片段是否完整准确地捕获了这些关键信息，并通过 相似度阈值 调整确保召回。
  • 上传一份包含复杂表格和图片内容的罕见病临床指南 PDF，提问其中表格数据相关的问题，验证是否能准确引用到表格内的文本内容，检查 ENABLE_PDF_OCR 的实际效果。

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。