这个品类的数据长什么样
眼科注册申报资料的核心数据源包括临床试验报告、药物非临床研究报告、产品说明书、注册证、各类指导原则、以及国际/国内药典标准。这些文档的更新频率相对较低，通常随药品生命周期或法规修订而变化，例如新版药典发布或指导原则更新。文档结构高度标准化，遵循中国国家药品监督管理局（NMPA）、美国食品药品监督管理局（FDA）或欧洲药品管理局（EMA）等监管机构的CTD（通用技术文档）格式，包含详细的章节和子章节。数据字段涉及药物活性成分、适应症、用法用量、不良反应、药代动力学、药效学等，单位严格遵循国际单位制（如毫克、毫升、微摩尔）或特定医学计量单位（如屈光度、眼压毫米汞柱）。
这些特征在「知识库检索与召回」这一环带来什么约束
眼科注册申报资料的标准化文档结构和低更新频率，要求知识库在构建时能有效解析CTD格式，确保章节层级的语义完整性。字段和单位的严格性决定了检索结果必须精确，容错率低，例如查询“眼压”时，系统应能区分“mmHg”与“kPa”并进行单位换算或提示。这类数据量通常庞大，单个文档可能达数千页，对知识库的分段策略和索引效率提出了挑战。同时，由于专业术语众多且上下文依赖性强，简单的关键词匹配容易导致召回不准确。例如，搜索“青光眼”可能需要关联到其治疗药物、临床表现及相关诊断标准，这需要知识库具备更深层次的语义理解能力，才能从海量文本中精确识别并召回相关片段。
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 | 注册申报文档段落较长，保持上下文完整性，避免语义割裂。 |
召回条数 | 前 8–12 条 | 确保覆盖多个潜在相关段落，兼顾效率与召回广度。 |
相似度阈值 | 按实测标定 | 依据具体数据集和查询类型，平衡查全率与查准率，初始可设为 0.75。 |
重排返回条数 | 前 5 条 | 经过重排模型优化，聚焦最相关的结果，减少用户阅读负担。 |
chunkOverlapRatio | 0.1 | 少量重叠有助于跨段落语义连接，避免信息丢失。 |
embeddingModel | text-embedding-ada-002 | 适用于专业领域文本，语义理解能力较强。 |
容易做错的三处
- 检索结果条目过少或为空，原因在于
相似度阈值设置过高，导致严格过滤掉了潜在相关但相似度略低的文档片段。 - 召回的段落内容不完整或缺乏上下文，原因是
分段长度设置过短，将原本关联紧密的文本拆分，破坏了语义连贯性。 - 系统返回大量不相关的结果，现象是
召回条数过多且重排返回条数未有效配置，导致大量低相关性内容被呈现。
怎么确认配好了
- 选取一批具有代表性的眼科注册申报查询，检查召回结果是否包含关键信息点，并核对
相似度分数分布。 - 验证系统针对特定术语（例如“视网膜病变”、“白内障超声乳化”）的检索，确保能准确返回相关定义、临床指南或试验数据。
- 模拟用户提交疑问，观察返回的文档片段是否能独立解答问题，或提供足够上下文供用户进一步阅读，评估
分段长度的合理性。
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。