这个品类的数据长什么样
注册申报环节的药物警戒数据主要来源于临床试验报告、非临床研究报告、上市后监测数据、安全性更新报告（PSUR/PBRER）、风险管理计划（RMP）以及全球药品监管机构发布的各类指导原则与法规文件。数据更新节奏相对固定，通常遵循监管机构的申报周期或定期更新要求。文档结构高度规范化，如 ICH-E2B 格式的个例安全性报告（ICSR）、CTD 格式的申报资料。字段与单位具有严格的标准化要求，例如不良事件术语采用 MedDRA 编码，药物剂量单位精确到毫克（mg）或国际单位（IU），时间戳格式统一。
这些特征在「知识库检索与召回」这一环带来什么约束
注册申报数据的高度规范性要求知识库在索引时能精确识别和处理结构化信息，避免语义混淆。例如，MedDRA 编码的特异性意味着模糊匹配可能导致严重误报。定期更新的特性要求知识库具备增量更新和版本管理能力，确保检索结果始终基于最新法规与安全性信息。严谨的文档结构和字段定义，使得在检索召回时，可以利用文档元数据进行更精准的过滤和排序，例如按药物名称、适应症或不良事件类型进行限定。同时，报告中大量专业术语和缩写对分词和嵌入模型提出了更高要求，确保其能准确理解上下文语义。
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 | 注册申报文档段落通常较长，包含多重信息，过短分段会丢失上下文，过长则引入噪音。 |
召回条数 | 8–12 条 | 需覆盖多方面安全性信息，避免遗漏关键法规条款或不良事件报告，同时控制模型输入量。 |
相似度阈值 | 0.78–0.85 | 领域术语精确度要求高，需较高阈值确保召回内容的强相关性，降低误报。 |
重排返回条数 | 3–5 条 | 提升最终返回结果的精确度，重点关注最相关的法规或报告片段。 |
maxContext | 3000–4000 token | 确保在有限的上下文窗口内，能够完整呈现召回的关键信息，避免截断。 |
UPLOAD_FILE_MAX_SIZE | 100 MB | 申报资料文件通常较大，需要足够的上传限制以支持完整文档的录入。 |
容易做错的三处
- 检索结果包含大量无关信息，导致模型输出冗余。原因在于
相似度阈值设置过低，未能有效过滤掉低相关度的知识块。 - 模型回答中出现重复内容或逻辑矛盾。原因在于
召回条数设置过高，且未进行有效重排，将重复或冲突信息一并送入模型。 - 知识库搜索结果直接显示在界面，干扰后续 AI 模型的生成。原因在于知识库搜索组件的输出未正确配置为内部传递，而是直接绑定了前端展示。
怎么确认配好了
- 针对典型的注册申报问题，例如“某药物在孕妇中的禁忌症”，测试知识库检索能否准确召回相关法规条款与临床试验报告片段。
- 检查召回的知识块中是否包含了关键的 MedDRA 编码、剂量单位等字段，并验证其完整性。
- 通过调整
相似度阈值，观察召回条数和相关性变化，找到平衡点，确保高精度召回。 - 使用不同长度和复杂度的查询语句，验证知识库在不同查询场景下的召回效果是否稳定。
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。