这个品类的数据长什么样
智能导诊在药物警戒方向的数据主要来源于药品说明书、医学文献、不良反应报告（ADR）、临床指南、药物相互作用数据库以及患者病历摘要。这些数据更新频率较高，特别是药品说明书修订、ADR 报告新增以及医学研究进展。文档结构多样，药品说明书通常为结构化或半结构化文本，包含适应症、禁忌症、用法用量、不良反应等固定字段；医学文献则以非结构化长文本为主；ADR 报告包含患者基本信息、用药史、不良事件描述等字段。字段与单位方面，涉及剂量（毫克、克）、频率（次/日、周）、时间（天、月、年）、症状描述、疾病编码（ICD-10）等。
这些特征在「向量模型与索引」这一环带来什么约束
数据来源的广泛性与异构性要求向量模型具备强大的语义理解能力，以处理结构化与非结构化文本的混合输入。高更新频率意味着知识库需要支持高效的增量索引与实时更新机制，避免频繁的全量重建。文档结构的差异性，特别是药品说明书中的关键字段信息，在向量化时需进行特殊处理，确保这些核心信息不被稀释。例如，不良反应的发生率、严重程度等数值信息，需要与文本描述一同编码，提升检索准确性。此外，医学术语的专业性与同义词、近义词的存在，对向量模型的领域适应性提出要求，可能需要预训练或微调以更好地理解药物警戒领域的语境。
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 | 药物警戒文本通常包含较长的描述性内容，如不良反应详情、临床试验结果。较长的分段有助于保留上下文，减少信息碎片化。 |
分段重叠长度 | 100–150 字符 | 确保相邻分段之间存在足够上下文衔接，特别是在处理长篇医学文献和ADR报告时，避免关键信息被切断。 |
召回条数 | 前 8–12 条 | 智能导诊需要综合多方面信息进行判断，增加召回条数可以覆盖更多潜在相关的药物信息、不良反应案例或相互作用提示。 |
相似度阈值 | 按实测标定，建议 0.75–0.85 区间 | 药物警戒领域对准确性要求高，阈值过低可能引入噪音，阈值过高可能遗漏重要信息。需根据具体向量模型和语料进行测试，确保召回精度与覆盖率。 |
重排返回条数 | 前 3–5 条 | 经过初次召回后，通过重排模型进一步精炼结果，聚焦最相关的信息。过多的重排条目会增加计算负担，对实时性要求较高的导诊场景不适用。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型药品说明书、复杂医学文献或批量ADR报告时，解析时间可能较长。增加超时时间可以避免因文件过大或解析复杂而导致的索引失败。 |
容易做错的三处
- 知识库搜索结果相关性不足，通常是由于向量模型未能有效理解医学术语的上下文语义，导致分段内容在向量空间中距离过远。
- 上传数据后知识库长时间显示「在索引」状态，可能是因为
PARSE_FILE_TIMEOUT_SECONDS参数设置过小，导致大文件解析超时。 - 问答拆分时最后一组索引无法通过，往往是由于文本分段策略未能妥善处理文档末尾的短小但关键的信息，或编码时未能充分考虑其语义完整性。
怎么确认配好了
- 选取不同类型（说明书、文献、ADR报告）和长度的测试文档，检查知识库分段结果是否逻辑完整，无关键信息丢失。
- 针对典型药物警戒问题进行提问，观察召回的原始分段内容是否准确包含了回答所需的关键信息，并评估其与问题的语义相关性。
- 在测试环境中模拟高并发的索引更新操作，检查知识库索引状态能否及时更新，并验证新旧数据查询结果的准确性。
- 通过调整
相似度阈值参数，观察召回条目的精度和召回率变化，直至在特定场景下达到预期平衡。
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。