这个品类的数据长什么样
血液肿瘤领域的注册申报资料具有其独特性。数据来源广泛，包括国家药品监督管理局（NMPA）、美国食品药品监督管理局（FDA）、欧洲药品管理局（EMA）等监管机构发布的指导原则、审评报告、上市许可文件。此外，还有大量的临床试验数据（例如 ClinicalTrials.gov 上的公开数据）、医学期刊文献（如《柳叶刀血液病学》、Blood 等）以及企业内部的研究报告。这些数据更新频率较高，尤其新药研发进展、临床试验结果发布、监管政策调整等都可能导致资料的快速迭代。文档结构复杂，通常包含产品说明书、临床研究方案、临床试验报告、非临床研究报告、药学研究资料等多个章节，且各章节内部又有详细的子节。字段与单位方面，涉及剂量（mg/kg、mg）、疗效指标（ORR、PFS、OS）、不良事件发生率（%）、生物标志物表达水平（copies/mL、ng/mL）等，单位标准化程度高但种类繁多。
这些特征在「知识库检索与召回」这一环带来什么约束
血液肿瘤领域数据来源的广泛性和快速更新要求知识库具备高效的增量更新机制，确保检索结果的时效性。复杂的文档结构意味着单一的关键词匹配不足以准确召回，需要更精细的文本分段和语义理解能力。例如，在查找特定药物在某种亚型白血病中的PFS数据时，可能会存在大量非相关但包含PFS的文献干扰。字段与单位的多样性，尤其是数值型数据，对检索的精确性提出挑战。用户可能希望检索“PFS大于12个月”或“ORR高于50%”的临床数据，这需要知识库能够处理数值范围查询和单位转换。此外，拼音或缩写（如AML、CML）在内部文档中常见，对检索的鲁棒性也有要求，需要系统能有效处理别名或同义词。
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 | 考虑到血液肿瘤资料的段落多为详细描述，过短易丢失上下文，过长则可能引入过多无关信息，影响召回精度。 |
召回条数 | 前 15–20 条 | 注册申报资料往往需要多角度交叉验证，增加召回条数能覆盖更多潜在相关文档，减少遗漏。 |
相似度阈值 | 0.75–0.85 | 旨在平衡召回率与准确率。血液肿瘤术语专业性强，提高阈值可过滤掉语义距离较远的段落，降低误报。 |
重排返回条数 | 5–8 条 | 结合召回结果进行二次排序，确保最终呈现给用户的关联度最高的信息。 |
最大并发检索数 | 按实测标定 | 依据部署环境的CPU、内存资源和预期用户并发量进行压测调整，确保系统在高负载下仍能响应。 |
索引更新频率 | 每 24 小时 | 考虑到新药进展和监管政策的更新速度，保持每日更新可确保知识库内容的时效性。 |
容易做错的三处
- 检索结果中出现大量非目标疾病类型的数据，原因在于知识库分段策略过于粗糙，未充分利用文档的层级结构或元数据进行细粒度区分。
- 用户输入特定药物缩写或疾病拼音首字母时无法召回相关文档，原因在于知识库未配置同义词或别名映射，导致系统无法识别用户意图。
- 在尝试导入大型知识库备份文件时，系统报错
MongoServerError: The dollar ($) p，原因在于MongoDB版本与FastGPT插件版本不兼容，导致数据结构解析失败。
怎么确认配好了
- 选择血液肿瘤领域内一个具体疾病（例如“急性髓系白血病”）和一种新药，查询其
ORR数据，核对召回文档是否包含该药物在特定疾病亚型中的临床试验结果，并检查数值是否准确。 - 使用常用缩写（例如
AML代表急性髓系白血病）进行检索，确认系统能够召回包含完整名称或相关描述的文档，验证同义词配置是否生效。 - 模拟一个监管政策更新场景，在知识库中导入一份最新的指导原则，并在
24小时后进行检索，确认新导入的文档能够被及时召回，验证索引更新机制的时效性。
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。