这个品类的数据长什么样
siRNA 核酸药的药物警戒数据主要来源于临床试验报告、真实世界研究（RWE）数据、病例报告、医学文献以及监管机构发布的安全性更新。这些数据更新频率较高，尤其在上市后监测阶段，新的不良反应事件会持续报告。文档结构多样，包括结构化的报告表格、非结构化的自由文本描述、以及半结构化的医学记录。关键字段包括患者基本信息、用药史、不良反应事件描述、事件发生时间、严重程度、结局、相关实验室检查结果等。其中，不良反应的发生部位、特异性症状描述、以及与 siRNA 作用机制相关的分子生物学指标，是该品类数据特有的关注点。
这些特征在「向量模型与索引」这一环带来什么约束
siRNA 核酸药数据来源多样且更新频繁，要求向量模型能快速处理新增数据并更新索引，以捕捉最新的不良反应信号。大量的非结构化文本数据，如患者病例描述，对文本分段策略和实体识别提出了挑战，需要更精细的文本处理能力以准确提取关键信息。siRNA 特有的分子机制和作用靶点，使得不良反应事件的描述可能包含大量专业术语和生物标记物，这要求向量模型具备更强的领域知识理解能力，避免在向量化过程中丢失关键的生物医学语义。同时，由于某些不良反应可能具有迟发性或与特定基因型相关，索引设计需支持多维度检索和时间序列分析，以便关联不同时间点或不同患者群体的数据。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500-700 字符 | 平衡文本语义完整性和向量计算效率，避免长文本稀释关键信息 |
分段重叠 | 50-100 字符 | 确保跨段落的上下文连续性，提高关键信息召回率 |
召回条数 | 10-20 条 | 在保证相关性的前提下，提供足够多的上下文信息供后续处理 |
相似度阈值 | 按实测标定 | 根据实际召回结果的精确度和召回率进行调整，通常在 0.7-0.8 之间 |
PARSE_FILE_TIMEOUT_SECONDS | 300-600 秒 | 应对大型临床报告或复杂结构文档的解析需求，防止超时 |
maxContext | 8000-12000 token | 确保能容纳足够多的召回片段和用户查询，满足长文本推理需求 |
容易做错的三处
- 知识库上传文档后，部分不良反应事件描述的关键信息未被正确索引，导致检索结果不全。这是因为分段长度设置过长，导致单个向量块内信息过于分散，或者分段策略未充分考虑医学文本的特点。
- 系统在处理大量医学文献时出现内存溢出或解析超时。这通常是由于
PARSE_FILE_TIMEOUT_SECONDS设置过短，无法应对复杂 PDF 或包含大量表格的文档解析。 - 针对特定 siRNA 靶点的不良反应查询，召回结果中包含大量无关信息。这表明向量模型在领域术语理解上存在不足，或
相似度阈值设置过低，导致非精确匹配的文档也被召回。
怎么确认配好了
- 上传典型 siRNA 药物警戒文档样本，检查解析后的分段预览，确认关键不良反应描述、剂量信息、发生时间等在分段中保持完整。
- 针对已索引文档，使用包含 siRNA 特有术语和不良反应症状的查询语句进行检索，检查召回结果的相关性，确保召回的文档片段准确指向查询意图。
- 逐步调整
相似度阈值，观察召回条数和结果质量的变化，直至达到一个平衡点，既能召回足够的相关信息，又能过滤掉明显不相关的结果。 - 监控系统日志，检查文档上传和索引过程中是否存在解析失败、超时或内存警告，并根据日志信息调整
PARSE_FILE_TIMEOUT_SECONDS等系统级参数。
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。