这个品类的数据长什么样
药物经济学注册申报资料的数据来源多样，包括临床试验报告、真实世界研究数据、卫生技术评估报告、模型构建文件以及各类国家或地区医保支付政策文件。这些数据更新频率相对较低，主要集中在新药上市、适应症扩展或医保目录调整时。文档结构复杂，通常包含大量表格、图表、统计数据和专业术语。其中，核心字段如 QALYs（质量调整生命年）、ICER（增量成本效果比）、成本构成、效果指标、贴现率、敏感性分析参数等具有明确的量化单位和专业定义。
这些特征在「向量模型与索引」这一环带来什么约束
药物经济学资料的专业性和复杂性，要求向量模型能准确捕捉细微的语义差异和数值关系。例如，不同的贴现率或敏感性分析假设可能导致 ICER 结果的显著变化，这需要向量模型能够区分这些微小但关键的参数设定。文档中频繁出现的表格和图表，使得传统的文本分段方法面临挑战，需要更精细的文本预处理和切片策略，以确保表格数据及其上下文的完整性。同时，由于数据更新频率不高，对索引的实时性要求相对宽松，但对历史版本管理和检索准确性要求较高，以支持不同申报阶段的资料溯源。
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 | 平衡上下文完整性与向量模型处理能力，避免单一分段信息过载。 |
分段重叠长度 | 100–200 字符 | 确保相邻段落间的语义连续性，尤其在处理复杂逻辑和表格数据时。 |
召回条数 | 前 8–12 条 | 覆盖更广泛的潜在相关信息，提高检索的全面性。 |
相似度阈值 | 按实测标定 | 药物经济学概念高度专业，需要根据具体数据集调整以确保高准确率。 |
重排返回条数 | 前 3–5 条 | 聚焦最相关的结果，减少工程师的人工筛选负担。 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 应对大型 PDF 文件和复杂表格解析可能带来的耗时。 |
容易做错的三处
- 现象：检索结果中出现大量无关或重复的段落，核心数据缺失。原因：分段策略未能有效处理表格或图表内容，导致关键信息被截断或上下文丢失。
- 现象：创建知识库时，文本理解模型下拉框中未显示已配置的模型。原因：模型渠道配置正确，但模型未在系统层面注册或可用性状态异常。
- 现象：批量上传的文档在向量化后，检索精度远低于预期。原因：缺乏针对药物经济学专业术语和数值单位的预处理，导致模型对关键信息的理解不足。
怎么确认配好了
- 上传包含典型药物经济学数据（如 ICER 表格、敏感性分析图表描述）的文档，检查向量化后的分段内容，确保表格数据和关键数值能被完整捕获。
- 执行一系列包含药物经济学专业术语和复杂查询的检索，评估召回结果的相关性和准确性，核对返回段落是否包含查询所需的核心信息。
- 针对不同查询，观察
相似度阈值和召回条数调整对结果列表的影响，确定适合业务场景的阈值范围。
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。