这个品类的数据长什么样
实体瘤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、医学文献以及药品监管机构发布的安全性更新。这些数据通常以结构化（如数据库记录）和非结构化（如自由文本描述）混合形式存在。更新频率方面，临床试验数据随研究进展阶段性发布，监管机构的安全性更新可能每月或每季度发布，而医学文献则持续涌现。文档结构方面，临床试验报告和上市后安全性报告通常包含详细的患者特征、用药信息、不良事件（AE）描述、严重程度、发生时间、结局以及相关性评估。字段包括但不限于：患者ID、药物名称、不良事件术语（MedDRA编码）、发生日期、结局、因果关系评估。单位则涉及剂量（mg、g）、频率（次/日）、持续时间（天、周、月）。
这些特征在「引用来源与溯源」这一环带来什么约束
实体瘤药物警戒数据的高度专业性和复杂性，对引用来源与溯源提出了特定要求。首先，数据来源的多样性意味着需要支持多格式文档的摄入和处理，例如 PDF 格式的临床试验报告、XML 格式的数据库导出文件。其次，不良事件描述中常包含大量医学术语和缩写，要求文本切分和嵌入模型具备较强的领域理解能力，以确保关键信息不被割裂。更新频率的不确定性，特别是监管机构发布的安全性更新，需要系统具备灵活的知识库更新机制，确保引用的时效性。最后，报告中涉及的剂量、时间等数值信息，要求在引用时能精确指向原文中的具体数值和单位，避免误读或歧义，这直接影响到 RAG 检索的颗粒度和上下文窗口的设置。
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 | 实体瘤不良事件描述通常较长且上下文关联性强，需保留足够信息以进行因果推断。 |
召回条数 | 前 8–12 条 | 确保在复杂查询下，能从多个维度召回相关不良事件报告或医学文献片段。 |
相似度阈值 | 0.75–0.82 | 兼顾检索精确性与召回率，避免无关医学术语或缩写干扰。 |
重排返回条数 | 前 3 条 | 聚焦于与实体瘤不良事件最直接相关的核心证据，减少冗余信息。 |
maxContext | 3000–4000 token | 需容纳多条不良事件报告的关键信息和医学背景，支持复杂推理。 |
UPDATE_INTERVAL_DAYS | 7 天 | 适应监管机构安全性更新和医学文献发布的频率，保持知识库时效性。 |
容易做错的三处
- 查询结果中出现不完整的医学术语或数值，原因是分段长度设置过短，导致关键信息被截断。
- 系统未能召回最新的药物安全性更新，原因是没有配置或执行定期知识库更新任务。
- 引用来源指向的原文段落与查询结果关联性弱，原因是相似度阈值设置过低，引入了大量噪声数据。
怎么确认配好了
- 选择典型的实体瘤不良事件查询，检查返回结果是否包含多个相关来源，并验证每个来源的指向是否精确到原文段落。
- 定期模拟新的药物安全性公告发布，检查知识库更新后，相关查询是否能准确引用新内容。
- 针对包含剂量、频率等数值信息的查询，验证返回结果中的数值和单位是否与引用来源完全一致。
- 进行多轮对话测试，确认在追问不良事件的详细情况时，系统能够从历史引用中溯源并提供连贯的答案。
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。