这个品类的数据长什么样
招标挂网药物警戒的数据主要来源于各省市药品集中采购平台、医保局官网以及药监局的相关公示。数据更新频率较高，通常以月度或季度为周期发布。文档形式多样，包括 PDF 格式的招标公告、中标结果、挂网通知，以及 Excel 或 XML 格式的药品目录、价格清单、不良反应监测报告等。文档结构相对固定，例如招标公告会包含药品名称、规格、生产企业、申报价格等字段，不良反应报告则会包含事件描述、药品批次、患者信息等。字段中常涉及药品通用名、商品名、剂型、规格、生产批号等专业术语，单位则以毫克、毫升、片、支、盒等为主，且存在多种表示方式。
这些特征在「向量模型与索引」这一环带来什么约束
招标挂网数据的多样性与更新频率对向量模型与索引提出了特定要求。首先，PDF 和 Excel 等多种文档格式需要统一的文档解析能力，确保信息提取的完整性。其次，频繁的数据更新意味着知识库需要支持高效的增量更新机制，避免全量重建带来的资源消耗。文档中包含大量结构化与半结构化数据，这对向量模型的语义理解能力提出了挑战，模型需要能够区分药品名称、规格与价格等关键信息。此外，专业术语和计量单位的标准化问题，要求向量模型具备一定的领域知识，以准确捕获药品名称变体或同义词。索引策略则需兼顾召回的准确性与效率，特别是在处理大量相似药品信息时，需要避免混淆。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 兼顾语义完整性与查询效率，避免过长分段稀释关键信息 |
分段重叠长度 | 100–200 字符 | 确保跨段语义衔接，提升召回质量 |
向量模型 | bge-large-zh-1.5 或兼容模型 | 针对中文生物医药领域优化，具备较好语义理解能力 |
召回条数 | 前 8–12 条 | 平衡召回广度与后续重排处理的效率 |
相似度阈值 | 按实测标定 | 确保相关结果召回，避免无关信息干扰 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 应对大型 PDF 或 Excel 文件解析可能耗时较长的情况 |
容易做错的三处
- 知识库文档状态长期停留在“索引中”，原因在于某些大型或复杂格式的招采文件解析耗时过长，超出了默认的解析超时时间。
- 上传本地已切分好的文档至服务器后，查询结果不准确，原因在于本地与服务器使用了不同的向量模型，导致向量空间不一致。
- 在检索结果中，同一药品的不同规格或生产批次被混淆，原因在于向量模型对专业字段的语义理解不足，或索引策略未能有效区分细微差异。
怎么确认配好了
- 上传典型招标公告和不良反应报告，检查文档是否均能成功解析并索引。
- 针对特定药品名称、规格、生产企业进行查询，核对召回结果是否准确包含相关信息，并评估召回条数。
- 模拟查询不良反应事件，验证系统能否关联到正确的药品批次和事件描述，并评估相似度阈值。
- 观察知识库增量更新后的查询效果，确保新上传的数据能够及时被检索到。
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。