这个品类的数据长什么样
皮肤科的质量文档主要来源于国家药品监督管理局发布的各类法规、指导原则，以及医疗机构内部制定的标准操作规程（SOP）、诊疗指南、病例报告模板和药物临床试验方案等。这些文档更新频率相对稳定，国家法规和指南通常每年或数年更新一次，而内部SOP和指南则可能根据临床实践和新药上市情况进行季度或半年度修订。文档结构以非结构化文本为主，常包含大量医学术语、药品名称、疾病代码（如 ICD-10）、检查指标和治疗方案。字段和单位方面，涉及剂量（mg、g）、浓度（%）、时间（小时、天）、面积（cm²）以及病灶描述（丘疹、斑块）等，其中许多字段具有上下文依赖性。
这些特征在「知识库检索与召回」这一环带来什么约束
皮肤科质量文档的非结构化特性和专业术语密集，对知识库的文本分段和向量化质量提出较高要求。更新频率适中，意味着知识库需要定期进行增量更新和索引重建，以确保召回内容的及时性。文档中包含大量特定字段和单位，如果仅进行语义检索，可能无法精准匹配对特定剂量或时间要求高的查询。例如，查询“湿疹治疗中糖皮质激素的使用剂量”时，仅靠语义难以区分不同制剂和不同症状下的具体用量。此外，病例报告和临床试验方案中的结构化信息（如患者基本信息、治疗周期）也需在检索时加以区分，避免无关上下文的干扰。这要求在切片和嵌入时需特别关注文档内的上下文关联性，并可能需要引入元数据过滤增强检索精度。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500-700 字符 | 平衡了医学文本的上下文完整性与单一切片的信息密度，避免过长导致噪声，过短丢失关键关联。 |
重叠长度 | 100-150 字符 | 确保相邻切片之间有足够的上下文衔接，尤其在处理流程步骤和多条件描述时。 |
相似度阈值 | 0.75-0.85 | 适用于专业性强、对精确度要求高的医学内容，降低召回无关或低相关性信息的可能。 |
召回条数 | 5-8 条 | 提供足够多样的相关信息来源，同时避免一次性召回过多冗余内容增加处理负担。 |
embeddingModel | text-embedding-ada-002 或更高 | 针对医学术语和复杂句式，选择高性能模型以提升向量化质量和语义理解能力。 |
maxContext | 4000-8000 tokens | 确保召回的多个切片能被完整送入LLM进行综合分析，特别是处理复杂诊疗路径时。 |
容易做错的三处
- 查询结果返回的内容与提问意图不符，经常出现答非所问的情况，原因可能是
相似度阈值设置过低，召回了大量与查询弱相关的内容，导致大语言模型难以准确聚焦。 - 上传的文档内容未被有效索引，导致部分查询无法召回相关信息，常见于PDF格式的扫描件或图片，如果未进行OCR识别或OCR质量不高，文本内容未被正确提取，知识库无法进行向量化。
- 在知识库检索后，返回的知识片段中缺少了关键的数值或单位信息，例如药物剂量或治疗周期，这是因为
分段长度设置过短，导致关键的数字信息与其描述性上下文被切分到不同片段，难以在召回时完整呈现。
怎么确认配好了
- 针对典型且复杂的皮肤科诊疗问题，进行多轮提问，检查召回的知识片段是否包含所有必要的医学术语、剂量、单位和流程步骤，并与原始文档进行比对，确认信息完整性。
- 随机抽取10篇以上具有代表性的皮肤科法规或SOP文档，上传至知识库，并使用文档中的关键语句或专业词汇进行检索，观察
召回条数和相似度得分，确保高相关性内容排在前列。 - 模拟实际业务场景，测试包含特定数值和单位（如“每日2次，每次5mg”、“疗程8周”）的查询，验证召回结果中这些关键信息是否准确无误地呈现，并根据业务需求确定可接受的召回精度阈值。
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。