这个品类的数据长什么样
医院运营药物警戒的数据主要来源于医院信息系统（HIS）、电子病历（EMR）、药房管理系统、不良事件报告系统以及外部药品说明书与用药指南。数据更新频率较高，不良事件报告可能实时产生，药品信息更新通常为季度或半年度。文档结构多样，包括非结构化的医嘱、病程记录、不良反应描述，以及结构化的药品批次、患者基本信息、诊断代码、用药剂量、用药途径等字段。文本描述中常包含医学术语、缩写以及剂量单位（如 mg、g、ml）、频率单位（如 次/日、qd），对解析和理解提出挑战。
这些特征在「向量模型与索引」这一环带来什么约束
数据来源的广泛性要求向量模型具备处理多种文档格式的能力，包括纯文本、PDF、结构化数据表的文本化表示。高更新频率意味着索引需要支持高效的增量更新机制，避免频繁的全量重建。多样化的文档结构，特别是大量非结构化文本，使得分段策略成为关键，需平衡上下文完整性与向量维度。医学术语和缩写的存在，要求向量模型对领域词汇有良好的理解能力，能够区分同义词、近义词，并处理多义词。剂量和频率等单位的特殊性，可能需要在预处理阶段进行标准化或引入领域知识增强向量表示。
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 | 兼顾上下文完整性与向量模型处理效率，避免过长段落稀释关键信息。 |
分段重叠长度 | 100–200 字符 | 确保段落间上下文连续性，减少因分段导致的语义割裂。 |
embedding_model | text-embedding-adah-002 或本地化 M3E | 兼顾准确性与部署成本，大型医院可考虑私有部署模型。 |
向量数据库类型 | pg_vector 或 Milvus | 根据数据规模与查询并发量选择，pg_vector 适用于中小型规模。 |
召回条数 | 前 10–20 条 | 提高召回率，为重排提供充足的候选集。 |
相似度阈值 | 按实测标定 | 避免噪声信息干扰，平衡精确率与召回率，通常 0.75 左右为起点。 |
容易做错的三处
- 知识库索引长时间处于“索引中”状态，实际是由于 Docker 容器内网络配置问题，无法正常访问外部 embedding 模型接口，导致任务阻塞。
- One API 返回
503 Service Unavailable错误，指示当前分组下对于text-embedding模型未正确配置或授权，并非模型本身不可用。 - 不良事件报告检索结果相关性差，往往是分段策略不当，例如分段过短导致关键医学术语被切分，或分段过长引入过多无关信息，稀释了核心语义。
怎么确认配好了
- 对典型不良事件报告进行多轮问答测试，观察召回结果中是否包含事件描述、药品信息、患者特点等关键要素，并评估相关度。
- 监控向量数据库的索引状态与查询延迟，确保新增不良事件报告能在合理时间内完成向量化并可被检索。
- 通过 FastGPT 后台的“知识库管理”界面，检查知识库文档的索引状态是否正常，无持续失败或错误提示。
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。