这个品类的数据长什么样
小分子化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）、上市后不良事件自发报告系统（如 FDA FAERS、EMA EudraVigilance）以及医学文献。这些数据更新频率不一，临床试验数据通常在研究结束后发布，上市后报告系统则持续接收新数据。文档结构多样，包括结构化的病例报告表（CRF）、半结构化的不良事件报告（ICSR）XML 文件、非结构化的医学文献摘要与全文。字段方面，关键信息包括药物名称、活性成分、剂型、剂量、适应症、不良事件术语（通常采用 MedDRA 编码）、发生时间、结局、因果关系评估等。单位方面，剂量常以毫克（mg）、克（g）计，时间以天、月、年计。
这些特征在「引用来源与溯源」这一环带来什么约束
小分子化药药物警戒数据的多样性对引用来源与溯源提出了特定要求。结构化数据（如 MedDRA 编码）需要精确匹配，以确保召回的准确性。半结构化和非结构化数据则需更灵活的文本分块与嵌入策略。数据更新频率的不一致性要求知识库具备增量更新和版本管理能力，以保证溯源到的信息是最新的。文档来源的广度意味着需要整合多个外部数据源，并能清晰标识每个信息片段的原始出处。特别是，不良事件报告中涉及的药物、事件、因果关系等关键字段，在引用时必须能追溯到具体的报告ID或文献DOI，以支持后续的详细审查。
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 | 平衡了不良事件报告中多字段信息的完整性与单个分段的召回效率。 |
召回条数 | 前 8 条 | 考虑到不良事件报告的复杂性，适当增加召回条数以覆盖更多潜在相关信息。 |
相似度阈值 | 0.75 | 针对医学术语的精确匹配需求，提高阈值以过滤掉低相关度的结果。 |
重排返回条数 | 前 5 条 | 在初次召回的基础上，通过重排进一步优化结果，提供最相关的证据。 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 应对某些大型不良事件数据库导出文件或复杂医学文献的解析时间。 |
maxContext | 2000 token | 保证在上下文窗口内能包含足够的不良事件报告细节和相关药物信息。 |
容易做错的三处
- 引用结果中出现过期的不良事件报告信息，原因是知识库未定期同步最新数据或未启用版本控制功能。
- 溯源到的来源文档无法打开或内容不匹配，通常是由于文件存储路径变更而知识库中索引未更新。
- 对特定药物-事件对的查询结果条目过少，可能是因为分段策略过于激进，将关键信息切分到不同块中。
怎么确认配好了
- 针对已知有更新的药物不良事件，执行查询并核对引用来源的发布日期是否与最新数据源保持一致。
- 随机抽取引用来源中的文档ID或DOI，尝试直接访问原始数据源，确认内容与知识库中引用的片段相符。
- 选取多个具有明确关联的药物和不良事件术语进行查询，检查返回的引用条目数量是否达到预期，并评估其相关性。
- 验证系统在处理包含 MedDRA 编码等标准化字段的查询时，能否准确召回对应的结构化数据。
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。