这个品类的数据长什么样
眼科药物警戒数据主要来源于国家药品监督管理局（NMPA）药品不良反应监测中心、世界卫生组织（WHO）的 VigiBase 数据库以及各类临床研究报告、学术期刊和医疗机构内部不良事件报告系统。这些数据更新频率较高，NMPA 季度发布监测报告，VigiBase 更是持续接收全球报告。文档结构多样，包括非结构化文本（如患者描述、医生诊断）和半结构化数据（如不良反应事件报告表）。字段方面，除了通用药物信息（如药品名称、剂型、批号）、患者基本信息（如年龄、性别）外，还特别关注眼部特异性不良反应（如视力模糊、眼压升高、角膜病变）、不良反应的发生部位、严重程度、转归以及与眼科疾病的相关性。单位方面，剂量常以毫克（mg）或毫升（ml）计，视力以 Snellen 小数或 LogMAR 表示，眼压以毫米汞柱（mmHg）表示。
这些特征在「部署与升级」这一环带来什么约束
眼科药物警戒数据的高更新频率要求 FastGPT 系统具备高效的数据同步和增量更新能力，以确保知识库的时效性。多样化的文档结构，尤其是大量非结构化文本，对文本解析和实体抽取模块提出了更高要求，需要针对眼科专业术语进行优化。眼部特异性不良反应的关注点，意味着知识库的索引策略和检索模型需要对这些细粒度信息有更好的识别和匹配能力。例如，关于“视力模糊”的描述可能出现在多种上下文，系统需能准确关联到药物不良反应。此外，眼压、视力等专业单位的存在，要求系统在数据摄入时能正确识别并标准化这些数值，避免因单位不一致导致的数据误解。这些约束直接影响到模型训练数据的准备、向量数据库的索引策略以及查询召回的准确性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 500 MB | 考虑到眼科不良反应报告可能包含大量影像资料或详细病历，确保单文件上传容量。 |
maxContext | 3000 Tokens | 眼科临床报告和学术论文通常篇幅较长，需要更大的上下文窗口来捕捉关键信息。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型 PDF 文档或复杂结构化报告时，解析耗时可能较长，避免解析超时。 |
分段长度 | 800 字符 | 眼科不良反应描述细节较多，适中分段长度有助于保留语义完整性，避免关键信息被截断。 |
召回条数 | 前 10 条 | 眼科不良反应的查询往往需要从多个维度进行比对，增加召回条数可提高相关性覆盖。 |
相似度阈值 | 0.75 | 眼科术语和症状描述的特异性较高，设置稍高的相似度阈值有助于减少无关结果。 |
容易做错的三处
- 知识库查询结果中未出现关键的眼部症状描述，原因可能是分段策略过于激进，导致包含症状的句子被截断或与上下文分离。
- 系统在处理新上传的眼科不良反应报告时出现
Document parsing failed: Timeout错误，原因通常是PARSE_FILE_TIMEOUT_SECONDS设置过低，无法完成复杂报告的解析。 - 查询“眼压升高”时，结果中混杂了大量非眼科相关信息，原因可能是向量数据库的索引未充分利用眼科专业术语的嵌入特征，导致泛化召回。
怎么确认配好了
- 上传一份包含复杂眼科病例和多种专业术语的 PDF 报告，检查知识库是否能正确解析并提取出关键不良反应、药物剂量和眼部体征数据。
- 针对典型的眼科不良反应（如“青光眼用药后视力模糊”、“白内障术后眼压升高”）进行多轮问答，评估系统能否召回高度相关的知识片段。
- 随机抽取知识库中 10 份眼科不良反应报告，检查其分段结果，确保每个分段都能保持语义连贯性，并且关键信息（如药物、症状、发生部位）未被割裂。
- 模拟并发用户访问，观察系统处理查询请求的响应时间，确保在设定的
maxContext和召回条数配置下，系统性能满足实际应用需求。
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。