这个品类的数据长什么样
皮肤科药物警戒数据主要来源于临床试验报告、真实世界研究、不良事件自发报告系统、专业期刊文献以及药企内部的安全数据库。这些数据更新频率高，尤其是不良事件报告系统，每日均有新增。文档结构多样，包含结构化的报告表单、半结构化的病例记录，以及大量的非结构化文本，如医生诊断笔记和患者描述。字段与单位具有特异性，例如皮损类型（红斑、丘疹、水疱）、严重程度（轻度、中度、重度）、发生部位（面部、躯干、四肢）以及药物剂量单位（mg/kg、g/m²）。
这些特征在「向量模型与索引」这一环带来什么约束
皮肤科数据的多样性对向量模型提出了挑战，需要模型能够有效理解不同文档类型中的语义信息。高更新频率要求索引系统具备高效的增量更新能力，以确保知识库的时效性。非结构化文本的占比高，意味着在向量化前需要进行更精细的文本预处理，例如实体识别和医学术语标准化，以避免信息丢失。特异性字段的存在，如皮损部位和严重程度，要求向量模型能够区分这些细粒度信息，并支持基于这些特征的精准检索，不能仅仅依赖通用语义。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 500–800 字符 | 平衡上下文完整性和检索效率，避免切分导致关键信息断裂 |
overlap_size | 100–150 字符 | 确保分段之间的上下文连续性，减少边缘信息丢失 |
embedding_model | text-embedding-ada-002 或 bge-large-zh | 兼顾医学领域术语的理解能力与计算资源消耗 |
maxContext | 8192 token | 适应长篇病例报告和文献摘要，确保模型能处理足够长的上下文 |
召回条数 | 10–15 条 | 增加初期检索结果的覆盖面，为后续重排提供更多候选 |
相似度阈值 | 按实测标定（0.75-0.85 之间） | 在保证相关性的前提下，过滤掉不相关的低质量结果 |
容易做错的三处
- 查询结果中缺少关键的皮损描述，原因是文本分段时未考虑医学实体边界，导致重要症状描述被切割。
- 知识库更新后，新数据未被及时召回，原因是索引策略未配置增量更新机制，或者更新频率过低。
- 检索到的不良反应事件与实际用药关联性不强，原因是向量模型对皮肤科特有医学术语的理解不足，未能准确捕捉疾病与药物的深层关系。
怎么确认配好了
- 上传一批包含多种皮损类型、不同严重程度的皮肤科不良反应报告，检索时能准确召回与特定皮损特征相关的文档。
- 每日新增不良事件数据后，执行检索并确认新录入的数据能在合理时间内被有效召回。
- 通过对比检索结果中
similarity字段的数值分布，评估相似度阈值是否合理过滤了无关信息。
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。