这个品类的数据长什么样
罕见病注册申报资料的数据来源广泛，包括临床试验报告、药理毒理研究、生产工艺文件、医学文献、基因测序报告以及国际监管机构的审批文件。更新频率相对较低，主要集中在新药研发阶段性成果发布、临床试验数据更新或监管政策调整时。文档结构复杂，常包含大量非结构化文本、图表、医学术语、基因序列信息和生物标志物数据。字段与单位的特殊性体现在疾病分类代码（如 ORPHA 编码）、基因突变位点、药物剂量单位（如 mg/kg/day）、生物活性单位（如 IU/mL）以及复杂的统计学指标。部分资料可能以扫描 PDF 形式存在，增加了信息提取的难度。
这些特征在「向量模型与索引」这一环带来什么约束
罕见病资料的复杂文档结构和专业术语要求向量模型具备更强的语义理解能力，能够准确捕捉文本深层含义，区分不同医学概念。基因序列和生物标志物数据需要专门的嵌入策略，确保这些非文本信息也能被有效索引和召回。更新频率低意味着索引重建的周期可以适当放宽，但每次更新都需保证高准确性，避免遗漏关键信息。扫描 PDF 资料的存在，对预处理阶段的光学字符识别（OCR）精度提出高要求，直接影响后续的向量化质量。此外，多语言资料的存在也要求向量模型具备跨语言理解能力，确保全球范围内的罕见病信息都能被有效整合与检索。
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 | 罕见病资料段落常包含长句和复杂医学概念，较长分段可维持上下文连贯性。 |
分段重叠长度 | 100–200 字符 | 确保相邻分段间的语义衔接，避免关键信息被截断。 |
召回条数 | 8–12 条 | 考虑到罕见病知识的深度和广度，增加召回条数以提高相关性覆盖。 |
相似度阈值 | 0.75–0.85 | 领域专业性高，需要较高阈值筛选出紧密相关的结果，减少噪音。 |
最大并发处理文件数 | 5 | 考虑到医学文件解析的复杂性和潜在的 OCR 负载，限制并发数以保障稳定性。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 针对大型或扫描 PDF 文件，提供充足的解析时间，避免超时中断。 |
容易做错的三处
- 查询结果中出现大量不相关或泛化的医学概念，原因是向量模型对罕见病特有术语的嵌入区分度不足，导致语义泛化。
- 部分关键信息在检索时无法被召回，表现为查询结果缺失，这通常是由于原始扫描文档的 OCR 识别错误或预处理阶段未能有效提取图表中的文本信息。
- 知识库更新后，新数据未能及时反映在检索结果中，表明索引重建或增量更新机制存在问题，可能导致用户获取到过时信息。
怎么确认配好了
- 针对典型罕见病案例，使用核心症状、基因突变位点等作为查询词，检查召回结果是否包含多篇相关临床报告和药物研发进展，并评估其排序相关性。
- 上传一份包含复杂表格和图表的罕见病注册申报 PDF 文件，观察其解析状态和索引内容，确保所有关键信息（如剂量单位、生物标志物）均被正确提取和向量化。
- 模拟罕见病新药审批流程中的多轮问答，评估系统在复杂问句下对知识库的利用能力，并检查答案中是否能准确引用源文档中的具体段落，判断相似度阈值是否合适。
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。