这个品类的数据长什么样
合理用药领域的数据主要源于临床指南、药品说明书、药理毒理报告、药物相互作用研究、不良反应监测报告以及药物基因组学文献。这些文档更新频率不一，临床指南和说明书通常每年或不定期修订，而研究报告则随研究进展持续发布。文档结构复杂，包含大量非结构化文本、表格、图表，以及剂量、用法、禁忌症、适应症等结构化或半结构化信息。字段方面，涉及药物名称、活性成分、剂型、规格、给药途径、靶点、作用机制、药代动力学参数、药效学指标、毒性指标、相互作用药物、不良反应类型及发生率等。单位则涵盖毫克（mg）、毫升（ml）、微克（μg）、国际单位（IU）、摩尔（mol）、百分比（%）、时间单位（小时、天、周）等，且常伴随复杂的剂量计算规则。
这些特征在「知识库检索与召回」这一环带来什么约束
合理用药研发文档的复杂数据特征，对知识库检索与召回提出了多重约束。首先，多源异构的文档类型要求知识库具备强大的多格式解析能力，以准确提取不同结构中的关键信息。其次，高频的更新节奏意味着知识库需要支持高效的增量更新机制，确保检索结果的时效性。文档中大量的专业术语和缩写，以及不同医学概念间的关联性，要求向量模型能准确理解领域语义，区分同义词、近义词，并识别实体关系。例如，药物剂量和单位的精确匹配至关重要，模糊匹配可能导致严重错误。此外，临床决策往往需要综合多份文档的信息，这就要求召回机制不仅能返回相关片段，还能聚合不同来源的证据链，以支持复杂的推理过程。对特定字段（如不良反应发生率）的精确检索，也对结构化信息提取和索引提出了更高要求。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 300–500 字符 | 兼顾语义完整性和向量嵌入效率，避免单段信息过载或过于零碎 |
分段重叠度 | 10%–15% | 确保上下文连续性，减少因分段边界导致的语义丢失 |
召回条数 | 8–12 条 | 平衡召回广度与后续重排处理的计算成本，覆盖多样化信息来源 |
相似度阈值 | 按实测标定 | 依据具体向量模型和语料库特性，通过召回准确率和召回率曲线确定 |
重排模型 | BGE-M3 或 Rerank-Mistral-7B | 优化多源文档的排名，提升关键信息的排序优先级 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型临床报告和指南时，确保文件解析有足够时间 |
容易做错的三处
- 检索结果中出现大量无关或低相关性文档片段。原因在于向量模型对领域语义理解不足，或
相似度阈值设置过低，导致召回泛滥。 - 面对「药物 A 与药物 B 的相互作用」这类问题时，无法召回包含完整相互作用机制的文档。原因可能是文档分段过于细碎，导致描述完整机制的语句被分割到不同段落，无法被单一查询捕获。
- 上传特定格式（如 PDF/A 标准的临床试验报告）的文件时，系统报错或解析失败。原因在于文件解析器不支持该特定格式的内部编码或结构，需要更新解析器或进行预处理。
怎么确认配好了
- 选取一批代表性查询，人工评估召回的前
召回条数个文档片段，验证其与查询的相关性、信息完整性和准确性。 - 针对包含表格和图表的文档，检查知识库中这些结构化信息的提取情况，确认关键字段（如剂量、单位）是否被正确识别和索引。
- 模拟合理用药场景中的复杂查询，如涉及多药物、多症状或多机制的查询，观察召回结果能否提供多角度、多来源的证据链。
- 定期追踪知识库更新后的检索性能，尤其关注新发布的临床指南或药品说明书，确保增量更新机制的有效性和时效性。
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。