适应症合理用药问答的知识库检索与召回

这个品类的数据长什么样

适应症数据主要来源于药品说明书、国家药监局数据库、医学指南以及临床研究报告。其更新频率相对稳定，通常与药品审批、指南修订周期保持一致，一般为季度或年度更新，部分紧急情况下的药品信息更新可能更频繁。文档结构多为半结构化，包含药品通用名、商品名、适应症描述、用法用量、禁忌症、不良反应等字段。适应症描述通常是自然语言文本，可能包含疾病分类代码（如 ICD-10）、症状描述、疾病阶段等信息。字段值没有统一的单位，适应症本身即为一种描述性文本。

这些特征在「知识库检索与召回」这一环带来什么约束

适应症数据半结构化的特点，使得纯关键词匹配召回的准确性受限，需要结合语义理解。更新频率稳定意味着知识库构建时不必追求极高的实时性，但需要定期进行全量或增量更新以保持数据时效性。文档中包含大量医学术语和疾病描述，要求检索模型具备较强的领域词汇理解能力，避免因同义词、近义词或缩写导致召回遗漏。适应症描述的文本长度不一，短至单个疾病名，长至包含详细病理生理过程，这影响了文本分段策略和上下文窗口大小的设置。缺乏统一单位的字段特性，决定了无法进行数值范围过滤，召回主要依赖文本相似度。

配置怎么定

容易做错的三处

• 点击知识库后响应缓慢，甚至出现超时错误，原因可能是知识库分段粒度过细或数据量过大，导致向量检索压力骤增。
• 检索结果中出现大量无关的适应症信息，现象是相似度分值高但语义不符，原因在于缺乏领域词汇的语义理解，通用向量模型未能准确捕捉医学概念。
• 更新知识库后，新的适应症信息未被检索到，可能表现为查询最新药品时返回旧信息，原因可能是知识库索引未及时重建或增量更新机制存在缺陷。

怎么确认配好了

• 选取一批包含新旧知识的适应症查询，检查检索结果是否包含所有相关且最新的信息，并评估其排序优先级。
• 针对一组包含医学术语、缩写和同义词的测试问题，验证知识库是否能准确召回对应的适应症描述，评估召回率。
• 在高峰期进行模拟并发查询，观察知识库的响应时间是否稳定在可接受范围之内，并检查是否有报错日志输出。

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。