这个品类的数据长什么样
智能导诊系统中的质量文档主要包含医疗机构内部的诊疗规范、操作规程、药品说明、疾病知识库、病例分析报告以及相关法规文件。数据来源多样，包括医院信息系统（HIS）、电子病历系统（EMR）、临床决策支持系统（CDSS）以及外部医学数据库。更新频率呈现不规律性，例如药品说明和诊疗规范可能数月或数年更新一次，而临床病例和研究进展可能每周甚至每天都有新增。文档结构上，既有高度结构化的表格数据，也有半结构化的文本描述，如诊断标准、用药剂量、禁忌症等，包含大量医学术语、缩写和计量单位，如 mg、ml、μg、bpm。
这些特征在「向量模型与索引」这一环带来什么约束
智能导诊质量文档的复杂性对向量模型与索引提出了特定要求。不规律的更新频率意味着索引需要支持增量更新，避免全量重建带来的性能开销。文档中包含的专业术语和缩写要求向量模型具备强大的语义理解能力，能够准确捕捉医学概念间的关联性，例如识别不同名称指代同一疾病或药物。结构化与半结构化数据并存，需要索引能够有效处理不同粒度的数据，例如在召回整篇诊疗规范的同时，也能精准定位到某个特定药品的用法用量。此外，对计量单位的识别和标准化处理，对于确保导诊信息的准确性至关重要，避免因单位混淆导致错误建议。
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 | 兼顾语义完整性与召回效率，避免过长段落引入噪声，过短段落丢失上下文。 |
召回条数 | 前 10–15 条 | 确保涵盖足够多的潜在相关文档片段，为后续重排提供丰富输入。 |
相似度阈值 | 0.75–0.85 | 平衡召回率与准确率，降低误报，确保结果与查询高度相关。 |
重排返回条数 | 前 3–5 条 | 聚焦最核心、最相关的文档片段，提升最终呈现给用户的精准度。 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 适应大型诊疗规范或病例报告的解析需求，防止因文件过大导致超时。 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 支持上传包含大量图表和文本的复杂医学文档，满足数据量需求。 |
容易做错的三处
- 上传文档后查询结果为空或不准确，原因可能是文档内容未能被正确分段，导致语义信息被截断或混淆。
- 系统升级后部分旧文档无法被检索到，这通常是由于向量模型版本更新，导致旧索引与新模型不兼容，需要对文档进行重新索引。
- 知识库搜索结果中，不同文档的引用合并混乱，这可能源于
召回条数设置过高，导致重排模型难以有效筛选和整合信息。
怎么确认配好了
- 针对典型查询语句，在知识库中进行搜索，检查返回的
召回条数与重排返回条数是否符合预期，并人工评估其相关性。 - 上传一份包含专业术语和计量单位的文档，验证系统能否正确识别并索引其中的关键信息，例如查询特定药品剂量时能否召回相关内容。
- 模拟文档更新场景，上传新版本文档，并查询相关内容，确认增量索引功能正常工作，新旧信息均能被检索到。
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。