这个品类的数据长什么样
呼吸系统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、个例不良事件报告（ICSR）、药品说明书以及各类医学文献。数据更新频率较高，特别是 ICSR 数据，可能每日都有新增。文档结构多样，包括非结构化的自由文本描述、半结构化的表格数据（如患者基本信息、用药史、不良事件详情）以及结构化的编码信息（如 MedDRA 术语）。字段特异性强，涉及呼吸频率（次/分）、血氧饱和度（%）、肺功能指标（如 FEV1 升）、影像学描述（如磨玻璃影、实变）等，单位和正常范围对理解上下文至关重要。
这些特征在「向量模型与索引」这一环带来什么约束
呼吸系统药物警戒数据的多样性对向量模型和索引策略提出了特定要求。自由文本描述需要模型具备强大的语义理解能力，以捕捉症状、体征和因果关系。半结构化和结构化数据则要求索引能够有效整合不同类型的信息，确保查询时的完整性。高频更新的数据流意味着索引需要支持增量更新或高效的批量更新机制，以保持数据的新鲜度。此外，专业术语和计量单位的识别是关键，模型需要区分“呼吸困难”和“呼吸急促”的细微差别，并理解“FEV1下降 0.5 升”的临床意义。这些特性决定了分段策略和元数据嵌入的必要性，以提高召回率和准确性。
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 | 平衡上下文完整性和向量模型处理效率，避免过长段落稀释关键信息。 |
分段重叠 | 50–100 字符 | 确保跨段落的关键信息关联性，尤其在描述不良事件演变时。 |
向量模型 | text-embedding-3-large | 对呼吸系统相关医学术语和临床描述有较强的语义理解能力。 |
召回条数 | 前 10–15 条 | 考虑到不良反应报告可能涉及多方面信息，增加召回量以提高覆盖。 |
相似度阈值 | 0.75–0.85 | 兼顾准确性和召回率，降低误报，同时不错过潜在关联。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型临床报告和PDF文档时，预留充足的文件解析时间。 |
容易做错的三处
- 知识库查询返回结果数量过少或不相关，通常是由于
相似度阈值设置过高，导致严格过滤掉部分相关性稍低但仍有价值的召回项。 - 在导入大量 PDF 或 Word 文档时，出现
文件解析超时错误，这通常是PARSE_FILE_TIMEOUT_SECONDS配置不足以处理复杂文档结构或大文件。 - 知识库索引完成后，测试搜索时速度明显变慢，这可能与使用的向量模型选择有关，某些模型计算量大，导致检索延迟增加。
怎么确认配好了
- 针对典型呼吸系统不良事件（如哮喘急性发作、药物性肺炎）的模拟查询，检查返回结果是否包含核心症状、相关药物和剂量信息。
- 随机抽取 5-10 份临床试验报告或 ICSR 文档，上传至知识库并测试搜索，确认关键信息（如特定肺部影像学描述、呼吸功能测试结果）能够被准确召回。
- 监控知识库索引过程中的日志输出，确保没有出现
文件解析失败或向量生成错误等异常信息。 - 在生产环境部署前，使用实际数据进行小规模压力测试，评估查询响应时间是否满足业务需求，并根据测试结果调整
召回条数和重排返回条数。
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。