血液肿瘤制度的知识库检索与召回

这个品类的数据长什么样

血液肿瘤领域的制度与标准操作流程（SOP）文档，主要来源于国家卫健委、国家药监局发布的指南，以及各大医院内部制定的诊疗规范、伦理审查文件。这些文档更新频率相对较低，通常一年或数年更新一次，但涉及新药、新疗法时会快速修订。文档结构通常为严格的章节式排版，包含引言、定义、适应症、禁忌症、操作步骤、风险管理、参考文献等固定字段。其中，操作步骤常包含详细的流程图、表格，涉及具体的药物剂量、治疗周期、检测指标及单位（如 mg/kg、Gy、pg/mL）。

这些特征在「知识库检索与召回」这一环带来什么约束

血液肿瘤制度文档的低更新频率意味着知识库内容更新压力较小，但单个文档体量通常较大，且包含大量专业术语和交叉引用。严格的章节结构要求在知识切分时需保持语义完整性，避免关键步骤被拆散。文档中具体的药物剂量、治疗周期等数值型信息，对检索的精确性提出了高要求，简单的关键词匹配可能不足以召回所有相关上下文。此外，文档内部的流程图和表格内容，需要额外的解析策略以确保其信息可被有效索引和检索，不能仅依赖纯文本切分。

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`	兼顾单段语义完整性与召回效率，避免过长或过短导致信息丢失或冗余。
`分段重叠度`	`100–150 字符`	确保段落之间必要的上下文衔接，处理跨段落的关键信息。
`召回条数`	`前 5–8 条`	考虑到制度文档的严谨性，增加召回量以覆盖更多潜在相关内容。
`相似度阈值`	`0.75–0.85`	保证召回结果与查询内容的高度相关性，过滤噪声。
`重排返回条数`	`前 3 条`	在较高召回量基础上，通过重排提升最终返回结果的精确度与相关性。
`trainingType`	`chunk`	适用于结构化文本，通过分段确保知识的颗粒度与检索效率。

容易做错的三处

知识库检索结果中，同一操作步骤的关键信息被拆分到不同段落，导致回答不完整。原因在于 分段长度 设置过小或 分段重叠度 不足，未能保持关键语义单元的完整性。
上传包含复杂图表或流程图的文档后，相关查询无法召回图表中的具体数值或逻辑。原因在于文档解析器未能有效提取非文本内容，导致这些信息未被索引。
在查询特定药物剂量或治疗方案时，系统返回的引用段落缺少关键的数值或单位。原因在于知识切分时，数值型数据与描述性文本分离，或者索引未充分考虑单位信息。

怎么确认配好了

对一批包含特定药物剂量、治疗周期等精确数值的查询，检查召回结果中是否包含所有相关数值与单位。
选取多份包含复杂流程图或表格的制度文档，测试对这些图表内容的查询能否有效召回对应信息。
针对跨章节或段落描述的复杂操作步骤，核查召回的上下文是否能完整呈现该步骤的全部细节。

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。