这个品类的数据长什么样
高值耗材的注册申报资料主要来源于国家药品监督管理局（NMPA）发布的法规文件、技术审评指导原则，以及企业内部的产品技术文档、临床试验报告、风险管理报告等。这些数据更新频率相对稳定，法规文件通常每年修订或发布新版，产品技术文档则随产品迭代更新。文档结构上，法规文件多为 PDF 格式，包含大量的层级标题和规范性表述；企业内部资料则可能包含 Word、Excel 等多种格式，内容涉及产品参数、材料成分、性能指标、检测方法、临床数据等。字段与单位方面，涉及材料的化学名称、纯度百分比、物理性能（如抗拉强度 MPa、弹性模量 GPa），以及生物学评价指标（如细胞毒性等级、溶血率 %）等，对精度和规范性要求极高。
这些特征在「知识库检索与召回」这一环带来什么约束
法规文件和技术指导原则的层级结构复杂，要求知识库能够识别并维护文档的父子关系，确保检索结果的上下文完整性。产品技术文档中包含的精确参数和单位，对分段策略提出挑战，需要避免在数值和单位之间断开，影响召回的准确性。由于申报资料的严谨性，召回结果的完整性和相关性至关重要，单一关键词匹配不足以满足需求，需要结合语义理解和多维度过滤。此外，不同来源文档的格式差异，要求知识库具备强大的文件解析能力，确保所有有效信息都能被正确抽取并索引。对生物学评价指标等专业术语的识别，也要求知识库具备一定的领域词汇理解能力，以提升召回精度。
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 | 适应法规文件和技术文档中较长的段落，保持上下文连贯性 |
分段重叠长度 | 100–200 字符 | 确保跨段落信息的衔接，减少因分段导致的语义丢失 |
召回条数 | 前 8–12 条 | 高值耗材申报资料涉及多维度信息，增加召回条数可提高覆盖率 |
相似度阈值 | 按实测标定 | 确保召回结果既相关又不过度泛化，需结合具体数据集调整 |
重排返回条数 | 前 5 条 | 在大量召回结果中精选最相关条目，减少模型处理负担并提升精度 |
最大上传文件大小 | 200 MB | 适应大型临床试验报告或多媒体资料的上传需求 |
容易做错的三处
- 知识库查询后未向大模型输出内容，日志显示知识库查询成功但返回结果为空。原因在于知识库返回的段落ID在传递给大模型时被过滤，导致实际未提供有效信息。
- 检索结果中出现大量不相关或碎片化的信息，无法形成完整的上下文。原因在于分段策略过于激进，将法规条文或产品参数的完整描述拆散。
- 文档上传后，部分表格数据或特殊格式内容未能被正确索引，导致无法检索。原因在于文件解析器未能识别或处理特定版本的 Word/Excel 文件结构。
怎么确认配好了
- 上传典型的法规文件和产品技术文档，检索其中关键概念或参数，检查召回结果是否包含完整的相关段落。
- 针对包含精确数值和单位的文档，进行检索，确认召回条目中数值与单位是否保持完整，未被错误截断。
- 模拟申报过程中的常见问题进行检索，评估召回结果的上下文连贯性和信息完整性，确认能够支持后续的问答或资料生成。
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。