这个品类的数据长什么样
心血管药物警戒数据主要来源于临床试验报告、真实世界观察研究、个案报告、药品说明书、医学文献及监管机构发布的安全性信息。这些数据更新频率较高，特别是上市后监测数据，可能每周或每月都有新增。文档结构多样，包括结构化的报告表格、半结构化的医疗记录文本、非结构化的自由文本。字段方面，常涉及患者人口统计学信息、基础疾病、合并用药、不良事件描述（MedDRA编码）、发生时间、结局、因果关系评估等，其中不良事件描述往往包含大量医学术语和缩写。单位则涵盖剂量（mg、g）、频率（次/日）、时间（小时、天、年）等。
这些特征在「向量模型与索引」这一环带来什么约束
心血管药物警戒数据的高更新频率要求向量索引具备高效的增量更新能力，以确保新发布的风险信号能被及时捕获。多样化的文档结构意味着需要灵活的文本预处理策略，对结构化数据进行字段识别与抽取，对自由文本进行医学实体识别和标准化。大量医学术语和缩写对向量模型的语义理解能力提出了挑战，需要模型能够准确捕捉医学概念间的关联，区分细微的语义差异。例如，心肌梗死与心绞痛虽然都属于心血管事件，但在严重程度和治疗方案上存在显著区别，向量模型应能有效区分这类近义词或相关词。此外，涉及剂量、时间等数值型信息时，简单的文本嵌入可能无法有效体现其量级关系，需要结合数值特征的处理。
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 | 兼顾上下文完整性与向量模型处理效率，避免过长文本稀释关键信息或过短文本丢失语境。 |
分段重叠长度 | 50-100 字符 | 确保段落间上下文连续性，避免在分段边界处切断重要医学概念。 |
索引模型 | qwen3-embedding-8b 或 M3E | 选用支持中文医学语义理解能力较强的嵌入模型，提升专业术语的向量表示质量。 |
相似度阈值 | 0.75-0.85 | 针对心血管不良事件的特点，平衡召回率与精确率，避免过度泛化或漏掉相关性高的信息。 |
召回条数 | 10-15 条 | 提供足够多但不过载的上下文信息给大语言模型，覆盖多种潜在风险信号。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 针对大型临床报告或多页PDF文件，预留充足的文件解析时间。 |
容易做错的三处
- 知识库文件上传后长时间显示“索引中”：这通常是由于选用的索引模型与FastGPT当前版本不兼容，或者本地部署的嵌入模型服务未正确启动或配置。
- 搜索结果中召回的文档与查询词关联性不强：可能是
相似度阈值设置过高导致漏检，或向量模型对特定医学术语的语义理解不足。 - 检索到的不良事件描述出现大量非医学专业词汇：这往往是由于文本预处理阶段缺乏医学实体识别和标准化步骤，导致向量化时混入了大量无关信息。
怎么确认配好了
- 上传典型的心血管不良事件报告，观察文件状态是否正常显示“已完成索引”，且没有报错信息。
- 使用包含特定心血管药物不良反应关键词的查询，检查召回结果中的
文档名称和分段内容是否高度相关。 - 针对一组已知因果关系的心血管药物与不良事件对，进行查询测试，评估召回信息的精确率和召回率是否达到预期，并根据实际业务需求调整
相似度阈值。 - 在FastGPT的日志中检查是否有与向量模型调用相关的错误码或连接超时提示，确保嵌入服务稳定运行。
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。