这个品类的数据长什么样
高值耗材的药物警戒数据主要来源于医疗机构的上报系统、生产企业的上市后监测报告、以及监管部门的公开数据库。数据更新频率相对药品而言较低，通常以季度或年度为周期，涉及产品批次召回、说明书修订等重大事件时会进行不定时更新。文档结构多为结构化与半结构化混合，包括产品批号、型号、生产日期、有效期、植入或使用日期、患者基本信息、不良事件描述、处理措施等字段。计量单位涉及数量（个、套）、尺寸（毫米、厘米）、重量（克、毫克）等，其中尺寸和型号信息对不良事件分析至关重要。
这些特征在「部署与升级」这一环带来什么约束
高值耗材数据更新频率较低，意味着知识库的增量更新不必过于频繁，但每次更新需要处理的数据量可能较大，对数据导入和解析的稳定性有较高要求。半结构化数据，特别是不良事件描述，需要强大的文本解析能力来提取关键信息。尺寸、型号等特定字段的存在，要求 FastGPT 在向量化和检索时能有效区分数字与文本语义，避免单纯的数值匹配错误。此外，由于产品批次和召回信息的时效性，对数据版本管理和历史记录追溯功能提出了更高要求，以确保在回答时能提供基于最新或特定历史版本的数据。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 2048 | 高值耗材不良事件描述通常较长，需要更大的上下文窗口来捕获完整信息。 |
分段长度 | 800–1200 字符 | 兼顾不良事件描述的完整性和向量化效率，避免过度截断关键信息。 |
召回条数 | 前 8–12 条 | 确保在检索时能覆盖更多相关的不良事件报告和产品文档，提高召回率。 |
相似度阈值 | 0.75–0.85 | 针对高值耗材不良事件描述的文本特性，平衡召回精度与泛化能力。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型 PDF 或包含图片的产品说明书时，需要更长的解析超时时间。 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 支持上传包含大量图表和详细技术参数的产品手册或批次报告。 |
容易做错的三处
- 知识库更新后，检索结果未包含最新召回信息，原因是数据导入脚本在处理半结构化数据时，未能正确识别和提取批次召回的日期字段。
- 系统升级到
4.8.20版本后，部分高值耗材的型号检索结果为空，原因可能是新版本在处理特定格式的产品型号字段时，向量化模型发生变化，需要重新训练或调整配置。 - 在查询特定产品尺寸相关的不良事件时，系统返回大量无关结果，原因是文本分段策略未区分数字与单位，导致尺寸信息被拆分或误匹配。
怎么确认配好了
- 上传最新版本的产品说明书和不良事件报告，检查其内容是否被完整解析，特别是型号、批次和尺寸等关键字段。
- 执行针对性查询，例如“XX 型号支架在
2023年的断裂事件”，核对返回结果是否涵盖所有相关不良事件报告，并确认时间范围的准确性。 - 模拟输入包含产品尺寸（如“直径
3.0 mm的导管”）的查询，观察召回结果中是否精准匹配到含有该尺寸描述的文档，并排除不相关的数字匹配。
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。