这个品类的数据长什么样
药物经济学制度数据主要来源于各国卫生技术评估（HTA）机构发布的评估报告、药品报销目录文件、医保支付标准以及相关的政策法规。这些数据更新频率不一，政策文件可能每年修订或不定期发布，HTA 报告则通常在药品上市后或医保谈判前生成。文档结构通常包含详细的方法学描述、成本效益分析模型、敏感性分析结果、具体支付范围和限制条件。字段方面，涉及药品名称、适应症、剂型、价格、成本数据（直接医疗成本、间接成本）、效益指标（QALYs、DALYs）、增量成本效益比（ICER）以及各类参数的取值范围和置信区间。单位则包括货币单位（如美元、欧元）、时间单位（年、月）、健康产出单位（QALYs）和药品剂量单位（mg、IU）。
这些特征在「向量模型与索引」这一环带来什么约束
药物经济学制度数据的多源性和复杂结构，对向量模型在理解上下文和关联信息方面提出了挑战。评估报告中的大量表格、图表和公式，要求索引过程能有效处理非文本信息，并将其转化为可向量化的语义内容。更新频率的不确定性意味着索引系统需要支持增量更新和版本管理，以确保信息的时效性。字段的专业性和单位的多样性，要求向量模型具备更强的领域知识理解能力，避免因专业术语或单位混淆导致召回偏差。例如，对 ICER 值的理解，需要模型能够区分其高低对政策决策的不同影响。此外，制度文件中常包含大量限定性条件和例外条款，这要求向量索引能精确捕捉这些细微之处，确保问答结果的准确性。
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 | 药物经济学报告段落通常较长，包含复杂的论证过程和数据，短分段易丢失上下文；过长则增加无关信息噪声。 |
重叠长度 | 100–200 字符 | 确保相邻分段间的语义衔接，特别是涉及跨段落的逻辑推导或定义。 |
Embedding 模型 | text-embedding-ada-002 或等效领域模型 | 需选择对专业术语和数值敏感的模型，以准确捕捉药物经济学中的成本、效益、ICER 等关键概念。 |
召回条数 | 前 8–12 条 | 药物经济学制度问答通常需要综合多方面信息进行判断，增加召回条数能覆盖更多潜在相关片段，辅助生成更全面的回答。 |
相似度阈值 | 按实测标定 | 针对具体数据集进行测试和调整，以平衡召回率和准确率，避免因阈值过高漏掉相关信息，也避免过低引入过多噪音。 |
Rerank 模型 | bge-reranker-large 或等效领域重排模型 | 药物经济学内容的专业性要求重排模型能更好地理解段落间的语义关联和重要性，提升最终返回结果的精确性，例如区分政策原文与解读。 |
容易做错的三处
- 知识库索引后测试，发现针对特定药物的报销限制条件未能正确召回。原因在于原始文档中限制条件以脚注或附录形式存在，分段时未与主文本关联，导致向量化时语义脱节。
- 上传大型药物经济学报告文件后，系统长时间无响应或报错
PARSE_FILE_TIMEOUT_SECONDS。原因在于文件解析超时设置过短，未能处理包含大量表格和复杂格式的 PDF 文件。 - Rerank 模型开启后，在线召回测试结果与关闭前无明显差异。原因在于 Rerank 模型选择不当，或者其训练数据与药物经济学领域存在较大偏差，未能有效识别相关性。
怎么确认配好了
- 针对不同复杂度的药物经济学问题，进行多轮问答测试，核对回答中引用的知识片段是否准确且完整覆盖了核心信息。
- 上传一份包含关键数值（如 ICER 值、特定年份的报销额度）的制度文件，提问关于这些数值的问题，检查回答是否能精确抽取并呈现。
- 检查知识库索引状态，确保所有上传的药物经济学文档均已成功处理，且分段数量与原始文档的复杂程度相符。
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。