这个品类的数据长什么样
罕见病制度相关数据主要来源于国家卫健委、国家药监局、医保局等官方机构发布的文件、指南、目录以及各省市细化的实施细则。这些文档的更新频率相对较低，通常以年为周期，但涉及新药审批、医保准入等特定事件时会进行临时调整。文档结构以法律法规、政策文件、技术指南、专家共识为主，多为 PDF 或 Word 格式，内容冗长且专业术语密集。字段方面，常包含疾病名称、药品名称、适应症、治疗方案、报销比例、审批流程、定点医院等，单位则涉及金额、百分比、时间周期、药品剂量等，具有高度的标准化和规范性。
这些特征在「知识库检索与召回」这一环带来什么约束
罕见病制度文档的专业性与冗长性，要求知识库在切分文档时需兼顾语义完整性，避免关键信息被截断。更新频率低意味着知识库构建初期可以投入更多精力进行精细化处理，后续维护成本相对可控。多源异构的官方文件格式，对文档解析的鲁棒性提出要求，需确保各类 PDF 和 Word 文件能被准确抽取文本内容。字段的标准化特性，为后续的结构化信息提取和精确匹配提供了基础，但同时也需要处理好政策条文中的条件判断和例外情况。例如，不同地区对同一罕见病的医保政策可能存在细微差异，这要求检索系统能够识别并区分这些地域性规定。
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 | 罕见病政策文档段落普遍较长，包含多重条件与解释，较长的分段长度有助于保持语义完整。 |
召回条数 | 8–12 条 | 政策条文间关联性强，增加召回条数有助于覆盖更全面的相关规定，提高答案的准确性。 |
相似度阈值 | 0.75–0.85 | 罕见病制度术语精确，高阈值可以有效过滤不相关的模糊匹配，提高检索精度。 |
embeddingModel | text-embedding-ada-002 或更高版本 | 应对专业术语和复杂句式，需要高性能的嵌入模型捕捉语义深层含义。 |
maxContext | 30000 字符 | 确保在生成答案时能容纳足够多的召回文本，尤其在处理多条相关政策交叉引用时。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 针对大型政策文件，延长文件解析超时时间，防止因文件过大导致解析失败。 |
容易做错的三处
- 检索结果中出现大量无关的通用医疗政策，原因是知识库分段策略过于粗糙，未有效区分罕见病专属条款。
- 用户提问后长时间无响应或返回空结果，原因可能是
PARSE_FILE_TIMEOUT_SECONDS设置过短，导致大型 PDF 文件未能完成解析。 - 知识库未能正确回答特定罕见病的医保报销细节，现象是返回的政策条文与实际情况不符，或关键数字缺失，这往往是由于文档解析时未能准确提取表格或复杂句式中的数值字段。
怎么确认配好了
- 选取 5-10 个典型的罕见病政策查询问题，验证召回结果是否包含所有相关的关键政策条文和数字信息，并记录召回条数与匹配度。
- 上传一份包含复杂表格和多层级标题的罕见病政策 PDF 文件，检查知识库是否能完整解析并生成高质量的分段。
- 针对某罕见病，分别查询其诊疗指南、医保报销政策和药品目录，核对检索结果的完整性与准确性，特别是涉及不同来源文件的交叉引用情况。
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。