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药品上市后监测报告、不良事件报告（ADR）、药品说明书、临床试验报告、学术论文以及监管机构发布的指南文件。这些数据更新频率较高，特别是上市后监测报告和ADR数据，可能按季度甚至月度更新。文档结构多样，包括非结构化的自由文本报告、半结构化的表格数据（如 CIOMS I 表格）和结构化的数据库记录。字段涉及患者基本信息、药品信息（批次号、剂量、用法）、不良事件描述（ICD-10 编码）、事件发生与结局、相关性评估等。单位通常包括剂量单位（mg、g、IU）、频率单位（次/日、次/周）、时间单位（小时、天、月）等，这些单位在不同报告中可能存在非标准化的表述。
这些特征在「知识库检索与召回」这一环带来什么约束
药物警戒数据的高更新频率要求知识库具备高效的增量更新和版本管理能力，以确保检索结果的时效性。文档结构的多样性意味着知识库需支持多种文件格式的解析与嵌入，特别是对自由文本中的关键信息提取能力至关重要。半结构化表格数据中的字段关联性强，需要RAG系统能理解字段间的语义关系，避免单一关键词匹配的局限性。非标准化的单位表述对实体识别和归一化提出了挑战，可能导致检索时因单位不匹配而遗漏相关信息。此外，不良事件报告中常包含大量医学术语和缩写，要求知识库嵌入模型具备领域专业知识，提升检索的准确性和召回率。
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 | 药物警戒文档多为长篇报告，适当增加分段长度有助于保留上下文，减少信息碎片化。 |
分段重叠长度 | 100–200 字符 | 确保分段边界上下文的连续性，提高跨段落信息检索的召回率。 |
召回条数 | 8–12 条 | 考虑到不良事件报告可能涉及多个相关因素，增加召回条数可以覆盖更多潜在关联信息。 |
相似度阈值 | 按实测标定（建议 0.7–0.8） | 需根据具体嵌入模型和数据特性进行调整，旨在平衡召回率与准确率。 |
重排返回条数 | 前 5 条 | 经过初次召回后，利用重排模型进一步优化结果，筛选出最相关的少数条目。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 药物警戒报告文件可能较大，解析耗时较长，需要更长的超时时间。 |
容易做错的三处
- 知识库导入Markdown文件时，提示
Invalid array length，这通常是由于文件内容过大或格式异常，导致解析器无法正确切分。 - 配置了知识库，但在实际问答中未能有效召回相关信息，可能是因为嵌入模型缺乏领域专业知识，无法准确理解药物警戒术语的语义。
- 在调试预览中可以正常检索，但在外部应用集成后无法进行知识库搜索，这可能是API密钥配置错误或网络访问权限受限。
怎么确认配好了
- 通过上传多种类型的药物警戒文档（如ADR报告、说明书），观察文件解析状态，确保所有文件均能成功处理。
- 针对特定不良事件或药品，构造包含专业术语的查询语句，检查检索结果是否能准确召回关键信息，并评估召回文档的完整性。
- 使用包含非标准化单位或缩写的查询，验证知识库是否能正确识别并匹配相关文档，例如查询“每日两次”与“bid”对应的报告。
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。