这个品类的数据长什么样
药物经济学在药物警戒领域的知识数据，主要来源于药品上市后临床研究报告、真实世界证据（Real World Evidence, RWE）数据库、医保支付政策文件、各国药品定价与报销指南、以及药物不良反应（Adverse Drug Reaction, ADR）监测报告中的经济性评估部分。这些数据更新频率相对较低，通常随新药上市、适应症扩展或医保政策调整而更新，周期可能为季度或年度。文档结构上，常以研究报告、综述、政策文本或结构化数据表格形式存在。字段与单位具有高度专业性，例如QALY（质量调整生命年）、ICER（增量成本效果比）、DALY（伤残调整生命年），以及各类成本数据（直接成本、间接成本）和效用值，单位涉及美元、欧元、人民币等货币单位及生命质量分数。
这些特征在「知识库检索与召回」这一环带来什么约束
药物经济学数据的低更新频率意味着知识库构建时，初期一次性导入大量历史数据是可行的，但需建立定期审查机制以捕获政策或指南的更新。文档结构的多样性要求知识库支持多种文件格式解析，并能有效提取报告中的关键经济学指标与结论。例如，需要识别并正确解析PDF格式的药企报告或政府公告，以及表格中的具体数值。专业化的字段与单位对检索召回的准确性提出更高要求，单纯的关键词匹配可能不足以捕获QALY或ICER等概念的深层含义，需要结合语义理解。同时，对成本效益分析的上下文理解也至关重要，避免将不同分析背景下的数据混淆。这需要 RAG 机制能够理解复杂语句中包含的经济学关系。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 600–800 字符 | 药物经济学报告段落通常较长，包含复杂的论证与数据，保持完整上下文有助于理解。 |
分段重叠长度 | 100–150 字符 | 确保段落间上下文连续性，避免关键信息被切割在不同分段的边缘。 |
召回条数 | 前 5–8 条 | 药物经济学问题的答案往往需要多角度数据支撑，增加召回量可提高覆盖度。 |
相似度阈值 | 0.75–0.85 | 领域专业词汇多，语义相近但表达不同的情况常见，需较高阈值确保召回相关性。 |
重排返回条数 | 前 3 条 | 经过重排后，最相关的几条内容往往能提供核心经济学结论。 |
maxContext | 3000–4000 token | 药物经济学分析的复杂性需要较大的上下文窗口来承载召回内容。 |
容易做错的三处
- 检索结果中出现大量无关或过时数据，导致AI回答偏离主题。这通常是因为知识库未进行有效的数据清洗和版本管理，或者召回的相似度阈值设置过低。
- AI回答无法准确引用报告中的具体经济学数值或指标，仅给出模糊描述。这可能是因为文档解析器未能正确识别并提取结构化数据，或分段过细导致数值与上下文脱离。
- 用户提问关于特定药物的经济性评估，AI却回复了该药物的不良反应信息。这表明知识库的语义理解或检索模型未能有效区分药物经济学与传统药物警戒报告的侧重点，或者检索请求的上下文处理不当。
怎么确认配好了
- 选择几份代表性的药物经济学研究报告，分别提问报告中的核心经济学结论和关键指标，验证AI回答是否能准确引用原文数据。
- 模拟提问关于特定药品的医保支付政策或成本效益分析，核对AI回复是否与最新政策文件内容一致，并能指出数据来源。
- 针对QALY、ICER等专业术语进行检索测试，检查召回内容是否包含了这些术语的定义、计算方法及其在特定案例中的应用，以评估语义理解的准确性。
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。