双特异性抗体药物警戒的向量模型与索引

这个品类的数据长什么样

双特异性抗体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、上市后监测报告、不良事件自发报告系统（如 FAERS、EudraVigilance）以及相关医学文献。这些数据更新频率较高，尤其是在药物上市初期及有新的安全性信息披露时。文档结构通常包含患者基本信息、用药史、不良事件描述、严重程度、结局、相关性评估及药物批次等字段。不良事件描述多为非结构化文本，涉及医学术语、缩写和临床表现。剂量单位、时间单位（如天、周、月）以及实验室检查结果单位（如 mg/dL、U/L）在不同来源中可能存在差异，需要统一处理。

这些特征在「向量模型与索引」这一环带来什么约束

双特异性抗体药物警戒数据的多源性与高更新频率要求向量索引具备高效的增量更新能力，以确保新信息能及时被检索。非结构化文本中的医学术语和缩写，对向量模型理解上下文语义提出了更高要求，通用模型可能难以捕捉其特异性。不同单位的存在，使得在文本预处理阶段需进行标准化，否则可能导致向量化后相似度计算偏差。例如，剂量「50 mg」和「0.05 g」在文本形式上差异大，但语义相同。此外，报告中常包含冗长且嵌套的临床描述，对文本分段策略和上下文窗口大小有直接影响，过长的分段可能稀释关键信息，过短则可能丢失关联。

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`	平衡上下文完整性和减少噪音，避免单一分段过长稀释关键不良事件信息。
`分段重叠`	`50 字符`	确保跨分段的关键信息（如药物名称、患者ID）能够被关联。
`embeddingModel`	`text-embedding-ada-002` 或本地部署的医学领域优化模型	通用模型具备一定效果，针对医学领域微调的模型能更好理解专业术语。
`召回条数`	`前 10–20 条`	确保能覆盖到潜在相关的多种不良事件报告，为后续重排提供足够候选。
`相似度阈值`	`0.75–0.85`	结合实际业务场景通过测试标定，避免漏报或误报关键不良事件。
`PARSE_FILE_TIMEOUT_SECONDS`	`600 秒`	应对处理大型临床试验报告或批量导入报告时可能出现的解析耗时。

容易做错的三处

在索引过程中，长时间显示「索引中」状态，原因是 PARSE_FILE_TIMEOUT_SECONDS 参数设置过小，大型文件或包含复杂表格的报告未能及时完成解析。
检索结果中，与查询相关的具体不良反应信息缺失，而是返回了大量无关的患者基本信息，这通常是 分段长度 过长导致关键信息被稀释，或 分段重叠 不足造成语义断裂。
使用自定义向量模型后，API 返回 400 错误，提示 invalid embedding model，这通常是自定义模型未正确配置到 FastGPT 的 OPENAI_API_KEY 渠道中，或者模型名称与配置不匹配。

怎么确认配好了

上传典型双特异性抗体药物警戒报告，检查日志中文件解析是否成功，无 timeout 错误。
针对特定不良事件或药物-事件关联进行查询，检查召回结果中是否包含预期的相关报告片段，并评估其相关性。
调整 相似度阈值，观察召回结果数量和质量的变化，找到一个能平衡召回率与准确率的阈值范围。
使用包含医学缩写和同义词的查询，验证向量模型是否能正确理解并召回相关文档，例如查询「cytokine release syndrome」和「CRS」是否返回相似结果。

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。