这个品类的数据长什么样
药物警戒注册申报资料主要包括药品不良反应报告（ADR）、药物警戒计划（PV Plan）、风险管理计划（RMP）、定期安全性更新报告（PSUR/PBRER）以及临床试验安全性数据等。这些文档通常以 PDF、Word 或结构化数据表（如 ICH E2B 格式的 XML 文件）形式存在。数据来源包括临床试验、上市后监测、文献回顾以及真实世界数据。更新频率较高，例如 PSUR/PBRER 通常每半年或每年提交一次，ADR 报告则为持续性提交。文档结构上，安全性报告通常包含背景信息、方法、结果、讨论和结论等章节，其中关键字段如药品名称、不良事件术语（MedDRA 编码）、发生日期、结局、相关性评价等具有严格的术语和编码标准。
这些特征在「向量模型与索引」这一环带来什么约束
药物警戒资料的高更新频率要求向量索引系统具备高效的增量更新和删除机制，以确保检索结果的时效性。多样的文档格式，尤其是结构化与非结构化数据并存，需要统一的预处理流程，将不同格式的数据转换为适合向量化的文本片段。其中，ICH E2B XML 等结构化数据需要精确解析字段值，避免信息丢失，并可能需要特定的嵌入策略。 MedDRA 等专业术语的广泛使用，对向量模型的语义理解能力提出挑战，需要模型能够识别和区分相似术语的细微差别。同时，安全性评价报告中存在大量描述性文本，这些文本的上下文依赖性强，要求分段策略能够保留关键信息单元的完整性，避免因过度分段导致语义破碎。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500–800 字符 | 兼顾语义完整性与召回效率，避免过长或过短的文本片段。 |
分段重叠长度 | 100–150 字符 | 确保上下文连续性，减少因分段边界导致的语义丢失风险。 |
召回条数 | 前 10 条 | 覆盖更广的潜在相关信息，提高后续重排的准确性。 |
相似度阈值 | 按实测标定 | 需根据实际检索效果与误报率进行迭代调整。 |
嵌入模型 | 按实测标定 | 依据对 MedDRA 等专业术语的理解能力评估。 |
maxContext | 30000–50000 字符 | 适应安全性报告中长篇幅的讨论和背景信息。 |
容易做错的三处
- 检索结果中出现大量无关或重复信息，主要原因在于
相似度阈值设置过低或分段策略未能有效隔离不相关内容。 - 部分关键安全性信息未被召回，现象包括查询结果缺失重要不良反应或风险信号，原因可能是
分段长度过短导致关键信息被拆散，或者嵌入模型对医学专业术语的理解不足。 - 系统无法处理 ICH E2B XML 等特定格式的安全性数据，导致入库失败或字段解析错误，通常是由于缺乏针对该格式的专门解析器或预处理流程。
怎么确认配好了
- 选取一批典型的药物警戒查询案例，检查召回结果是否包含所有相关安全性信息，并评估不相关信息的比例。
- 针对包含 MedDRA 编码的查询，验证召回结果中是否准确匹配到相关术语及其上下文，评估嵌入模型对专业术语的理解能力。
- 上传不同格式的药物警戒文档，包括 PDF、Word 和 ICH E2B XML，确认所有文档均能成功入库并生成向量索引，且关键字段信息被正确解析。
- 定期监控索引更新日志，确认增量更新任务（如新增 ADR 报告）能够按预期频率和效率完成，没有出现大量超时或失败记录。
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。