这个品类的数据长什么样
药物警戒领域的数据主要来源于临床试验报告、真实世界证据（RWE）、不良事件报告（ADR）、上市后研究以及药品说明书等。这些数据更新频率不一，临床试验报告和上市后研究通常是周期性发布，而不良事件报告则具有实时性。文档结构复杂多样，包括结构化的表格数据、半结构化的报告文本和非结构化的自由文本。字段方面，涉及药品名称、剂量、给药途径、不良反应描述（MedDRA编码）、患者基本信息、报告来源等，其中不良反应描述常使用特定的医学术语和分类系统。单位则涵盖剂量（mg、g、ml）、频率（次/日、每日）、时间（小时、天、周）。
这些特征在「引用来源与溯源」这一环带来什么约束
药物警戒数据的多样性和复杂性，对引用来源与溯源提出了特定要求。实时更新的不良事件报告，要求知识库能够快速索引并提供最新信息，确保引用时效性。结构化数据与非结构化文本的混合，意味着在引用时需要区分数据类型，并能从不同格式中提取原文片段。MedDRA编码等专业术语的存在，要求模型在理解和引用时能准确匹配，避免因语义偏差导致溯源错误。此外，患者隐私和数据敏感性，也要求引用机制在展示原文时，能够进行必要的脱敏或限制，确保合规性。
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 | 药物警戒文档中，不良事件描述或研究结论通常包含在适中长度的段落中，过长会稀释核心信息，过短则可能丢失上下文。 |
召回条数 | 8–12 条 | 考虑到药物警戒报告可能涉及多方面信息，增加召回条数有助于覆盖更全面的不良事件细节、患者特征或研究设计。 |
相似度阈值 | 0.75–0.85 | 药物警戒领域对专业术语和事实的匹配要求较高，较高的相似度阈值有助于确保召回内容的精确性和相关性。 |
重排返回条数 | 4–6 条 | 经过重排，精选出最相关的少量结果，能有效聚焦于关键的不良反应、剂量关系或患者特征，提高溯源效率。 |
maxContext | 8000 tokens | 药物警戒分析往往需要综合考量多个文档片段，较大的上下文窗口有助于大模型理解复杂的逻辑关系和多因素影响，避免信息截断。 |
向量模型 | text-embedding-ada-002 或 bge-large-zh | 需选用在医学领域有良好表现的向量模型，以准确捕捉专业术语和医学描述的语义相似性。 |
容易做错的三处
- 回答中未能引用到数据库的原文片段，只给出结论。原因在于模型在生成回答时，未能正确识别和利用RAG机制从外部数据库中提取相关文本。
- 知识库搜索结果的引用上限过低，导致相关但非直接匹配的报告未能被召回。原因在于
召回条数或相似度阈值设置过于保守，未能充分覆盖药物警戒领域中多样化的表达方式。 - 引用来源指向不准确，或者引用内容与问题关联度不高。原因在于
向量模型未能有效理解药物警戒领域特有的医学术语和上下文，导致相似度计算偏差。
怎么确认配好了
- 选择一份包含典型不良事件描述的测试文档，提问后检查回答中引用的原文片段是否准确地指向该文档中的相关描述，并核对
召回条数是否符合预期。 - 针对一份包含MedDRA编码的报告，尝试提问关于特定不良反应的问题，核对回答中是否能引用到包含该编码或相关描述的原文，并检查
相似度阈值是否能有效筛选出高质量结果。 - 使用不同来源（如临床试验报告与ADR报告）的药物警戒文档进行测试，验证模型在引用不同结构和格式的数据时，
分段长度和maxContext的配置是否能保持良好的信息完整性。
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。