这个品类的数据长什么样
临床决策支持（CDS）系统的质量文档数据主要来源于权威医学指南、临床路径、药物说明书、诊疗规范、医学文献数据库以及专业学会发布的共识。这些数据更新频率不一，部分药物说明书或指南可能每年更新，而基础医学知识则相对稳定。文档结构通常高度规范化，包含明确的章节标题、段落、图表、参考文献列表和剂量单位。字段与单位具有强烈的医学专业性，如药物剂量（mg/kg、IU）、治疗周期（天、周）、诊断标准（mmol/L、mmHg）等，对精确性要求极高。数据通常以结构化或半结构化的形式存在，例如 XML、JSON 或带有明确标记的 PDF/Word 文档。
这些特征在「引用来源与溯源」这一环带来什么约束
CDS质量文档的高度专业性和规范性，要求引用来源必须精准到原文的具体章节或段落，以确保临床建议的可信度。其更新频率差异性，使得在RAG召回时需优先考虑文档的版本时效性，避免引用过期的诊疗方案。文档中大量的专业字段和单位，对分词和实体识别提出了更高要求，传统的分词方法可能无法有效识别医学术语，影响召回质量。此外，对溯源的严格要求，意味着不仅要指出文档名称，更要提供具体的页码、章节编号或文献ID，以便医务人员快速核查原始信息。未能精确溯源可能导致临床风险，因此，系统必须能够从非结构化文本中准确提取并标记这些元数据。
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 | 保障单个文本块包含足够上下文，同时避免过长导致信息冗余和召回效率下降，兼顾医学术语的完整性。 |
分段重叠长度 | 100-150 字符 | 确保段落衔接处的信息连续性，减少因分段切割导致的语义丢失，特别是对于跨段落的医学逻辑表述。 |
召回条数 | 10 条 | 考虑到医学知识的复杂性和严谨性，增加召回条数有助于覆盖更全面的相关信息，提高召回的准确性。 |
相似度阈值 | 按实测标定 | 需通过大量医学专业问答对进行测试，确保召回结果既相关又具有临床指导意义，避免低相关性文档被召回。 |
重排返回条数 | 5 条 | 在初次召回后，通过重排模型进一步筛选出与临床问题最相关的少数高质量文档，减轻用户阅读负担。 |
元数据过滤器 | version_date > 'YYYY-MM-DD' | 优先召回近期更新的医学指南或文献，保障临床决策的时效性和安全性。 |
容易做错的三处
- 回答中引用了大量不相关的文档，导致信息冗余。原因在于
相似度阈值设置过低，未能有效筛选掉低相关性文档。 - 回答中引用的文档无法定位到具体内容，溯源困难。原因在于文档处理时未提取或未能有效存储页码、章节ID等元数据，或分段粒度过大导致引用指向不明确的段落。
- 系统返回的引用文档数量远低于预期，或未能召回关键信息。原因在于
召回条数设置过少，或分段长度过短导致关键信息被切割，影响了召回效果。
怎么确认配好了
- 选取一批具有明确临床问题和标准答案的测试用例，检查系统回答是否准确，并核对每个引用的文档能否精确指向原文中的对应支撑内容。
- 针对近期更新的医学指南，测试提问是否能优先召回最新版本，并验证旧版本文档是否被有效过滤。
- 随机抽取多个系统生成的引用，手动检查引用的页码、章节或文献ID是否与原始文档内容完全一致，且无偏差。
- 收集不同复杂度的临床问题，观察系统召回的文档数量和相关性，确保召回结果既全面又精炼，符合临床决策的需求。
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。