这个品类的数据长什么样
病历质控在药物警戒领域的数据主要来源于医院信息系统（HIS）、电子病历系统（EMR）以及部分临床试验管理系统（CTMS）。数据更新频率通常是实时或准实时，伴随患者就诊、用药、检查等行为而生成。文档结构以非结构化文本为主，例如医生诊断记录、用药医嘱、护理记录等，但也包含结构化数据如诊断编码（ICD-10）、药品通用名、剂量单位（如 mg、ml）、给药途径等。病历文本长度差异大，从几十字的简短记录到数千字的详细住院志都有。字段方面，除了标准的医学术语，还常含有大量缩写、口语化表达以及不同医生书写习惯导致的差异。
这些特征在「引用来源与溯源」这一环带来什么约束
病历数据的非结构化特性要求知识库在切分时需兼顾语义完整性，避免关键信息被截断。实时或准实时的更新频率意味着知识库的索引策略需要支持快速增量更新，以保证引用内容的时效性。病历文本中包含的缩写和口语化表达，对检索模型和文本向量化的准确性提出了更高要求，可能需要定制化的预处理或词汇表。此外，病历中涉及的敏感个人信息和医疗隐私，使得引用来源的展示必须严格控制在授权范围内，并确保溯源路径的清晰可审计。结构化字段的存在，例如药品通用名，为精确匹配和过滤提供了机会，但也增加了多模态信息融合的复杂性，引用时需明确是引用文本还是结构化数据。
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 | 平衡上下文完整性和检索效率，避免过长段落稀释关键信息。 |
召回条数 | 8–15 条 | 考虑到病历文本的复杂性和多样性，增加召回数量以提高相关性覆盖。 |
相似度阈值 | 0.75–0.85 | 针对医学文本的专业性和严谨性，设置较高阈值以确保引用的准确性。 |
重排返回条数 | 3–5 条 | 在初次召回基础上，通过重排模型进一步精选最相关的引用片段，减少噪音。 |
最大引用变量数 | 3 个 | 避免回复中引用过多片段导致信息冗余，影响可读性，同时满足多维度溯源需求。 |
引用展示格式 | 文件名称 + 页码/段落号 | 便于用户快速定位原始病历文件中的具体位置，提升溯源效率。 |
容易做错的三处
- 回复中出现
quote type error提示：通常是由于引用变量的格式不符合预期，例如期望文本类型却传入了非文本值，或是引用内容包含特殊字符未被正确编码。 - 引用来源为空或缺失：这可能是因为知识库的索引更新不及时，或者检索策略过于严格导致未能召回相关文档片段。
- 回复中包含了与问题不相关的引用信息：多是由于
相似度阈值设置过低，导致召回了大量泛化或不精确的片段。
怎么确认配好了
- 提交包含特定药品不良反应描述的测试病历文本，检查回复中是否能准确引用到对应的病历原文片段，并提供正确的文件名和段落定位。
- 模拟病历数据更新，观察知识库索引是否能及时同步，并验证新数据能否被有效检索和引用。
- 测试不同长度和复杂度的病历文本，检查引用结果的完整性和相关性，确保
分段长度和召回条数配置合理。
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。