这个品类的数据长什么样
适应症数据主要来源于国家药品监督管理局（NMPA）发布的药品说明书、临床指南、药品注册批件以及专业医学数据库。其更新频率相对较低，通常随新药上市、说明书修订或临床研究进展而变化，可能为季度或年度更新。文档结构通常为半结构化文本，包含药品名称、通用名、剂型、适应症描述、用法用量、禁忌、不良反应等字段。适应症描述部分常包含疾病名称、症状、患者人群等信息，有时会涉及疾病分期或严重程度，这些描述在不同药品间存在表述差异。字段与单位方面，适应症本身没有直接的数值单位，但相关的用法用量会涉及剂量（如 mg、g）、频次（如 次/日）和疗程（如 天、周）。
这些特征在「模型接入与配置」这一环带来什么约束
适应症数据的半结构化特性，要求模型在数据预处理阶段能有效解析复杂文本，提取核心实体。更新频率较低，意味着知识库构建时不必追求极致的实时性，但需要定期进行全量或增量更新，以纳入最新的药品信息和修订。适应症描述的多样性，对模型理解同义词、近义词以及疾病表述的泛化能力提出了较高要求，需要通过高质量的嵌入模型和检索策略来提升召回准确率。此外，由于适应症与用法用量、禁忌等强关联，模型需要具备处理多模态信息（结构化与非结构化）的能力，以实现跨字段的关联推理。在模型接入时，需重点关注文本切分粒度，避免单一适应症描述被过度拆分或多个无关适应症被混淆。对于检索结果，需要考虑如何将适应症与相关联的药品信息一并返回，确保回答的完整性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 16000 tokens | 适应症描述可能较长，需保证足够上下文窗口以完整理解问题和检索结果。 |
分段长度 | 300–500 字符 | 兼顾适应症描述的完整性和检索效率，避免过度切分导致信息丢失。 |
召回条数 | 前 10–15 条 | 提升初始召回的覆盖率，为后续重排和生成提供更多候选，应对适应症描述多样性。 |
相似度阈值 | 0.78–0.85 | 适应症文本相似度要求较高，防止无关或模糊匹配的知识片段被召回。 |
重排返回条数 | 前 5 条 | 精选最相关的知识片段，减少模型处理噪音，提高回答质量。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 应对药品说明书等大型PDF文档的解析耗时，确保文件处理不中断。 |
容易做错的三处
- 模型返回
404 status code且无响应体，通常是由于接入的qwen3-max模型API地址配置错误或网络不通，导致请求未能到达目标服务。 - 知识库检索时间显著增加，可能是因为嵌入模型处理能力不足或知识库索引未优化，导致大量文本在嵌入和检索阶段耗时过长。
- 对话回复耗时超过
10 秒，往往是由于所选大型语言模型（LLM）推理速度慢，或模型部署环境资源瓶颈，导致生成阶段延迟。
怎么确认配好了
- 上传一份包含多种适应症的药品说明书PDF文件，检查文件是否成功解析，并能在知识库管理界面看到有效分段。
- 针对特定适应症提出问题，核对模型召回的知识片段是否准确包含了相关药品的适应症描述，以及是否有其他关联信息（如用法用量）。
- 连续进行多轮关于适应症的问答，观察模型响应时间，确保每次对话的延迟在可接受范围内。
- 尝试提问一些包含同义词或模糊描述的适应症问题，验证模型能否正确理解并给出相关药品信息，评估召回与回答的泛化能力。
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。