这个品类的数据长什么样
超说明书用药的医学信息数据主要来源于临床研究文献、病例报告、专家共识、国际指南以及药品说明书的拓展解读。这些数据更新频率不一，临床研究和指南可能季度或年度更新，而病例报告则可能不定期发布。文档结构多样，包括结构化的数据库记录、半结构化的临床试验报告（PDF格式）、以及非结构化的文本描述。字段方面，常见的有药品名称、适应症、用法用量、不良反应、作用机制、支持证据级别等。单位涉及剂量（mg、g、IU）、时间（小时、天、周）、频率（次/日）等，且可能存在多种单位的混用或缩写。数据中常包含大量专业术语、缩写和复杂的医学逻辑，对语义理解要求较高。
这些特征在「向量模型与索引」这一环带来什么约束
超说明书用药数据来源多样性和非结构化特性，对向量模型的语义理解能力提出了挑战。例如，不同文献中同一药品的用法用量描述可能存在细微差异，需要模型能捕捉这些差异并进行有效区分。更新频率不一致意味着索引需要支持增量更新，以保证信息的时效性。文档中包含的专业术语、缩写以及不同单位的混用，要求向量模型具有强大的医学领域知识嵌入能力，以避免因术语不识别导致的召回偏差。此外，数据中可能存在证据级别、推荐强度等分类信息，需要向量索引在召回时能兼顾这些元数据过滤，确保应答的准确性和可靠性。对复杂医学逻辑的理解，也要求向量模型能将上下文信息有效编码，以处理关联性较弱但语义相关的查询。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
embedding_model | text-embedding-ada-002 或 Doubao-embedding | 具备较好的通用领域和医学领域语义理解能力，支持多语言。 |
分段长度 | 500–800 字符 | 兼顾语义完整性与向量模型输入长度限制，减少长文本截断风险。 |
分段重叠长度 | 50–100 字符 | 确保上下文连续性，避免关键信息被分段边界切断。 |
召回条数 | 8–12 条 | 在保证召回相关性的前提下，平衡检索效率与后续重排处理的负荷。 |
相似度阈值 | 0.75–0.85 | 根据实际测试调整，确保召回结果既相关又不过于宽泛。 |
重排返回条数 | 3–5 条 | 进一步精炼召回结果，提升最终应答的精确度。 |
容易做错的三处
- 知识库索引状态显示“未就绪”，此时查询无法获得预期结果，原因是文档切片或向量嵌入过程异常中断，需检查日志确认错误信息。
- 用户提问后返回的应答内容缺乏相关性，或出现“未找到相关信息”的提示，可能是向量模型未能有效理解查询语义或知识库文档切片粒度过大，导致相关信息未被召回。
- 应答中引用了不准确的用法用量或不良反应，这通常是由于文档中存在多个版本或冲突信息，而向量索引未能通过元数据或证据级别进行有效筛选。
怎么确认配好了
- 对一批包含药品名称、适应症、用法用量等关键信息的测试问题进行查询，检查召回结果是否包含预期文档片段，并对比召回文本与原始文档的语义一致性。
- 调整
相似度阈值，观察召回条数和相关性变化，直至在召回率与准确率之间找到平衡点。 - 针对知识库中不同更新频率的文档，执行增量更新操作，并验证新旧文档的检索效果，确保更新机制正常工作。
- 模拟查询涉及专业医学术语和缩写的问题，检查向量模型是否能正确理解并召回相关文档。
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。