这个品类的数据长什么样
精神类疾病的质量文档主要来源于临床诊疗指南、药物说明书、临床试验报告、伦理审查文件以及药监局发布的相关法规和指导原则。这些文档的更新频率相对较低，通常以年为周期，但遇突发事件或新药上市时会有临时修订。文档结构以非结构化文本为主，包含大量医学术语、诊断标准、治疗方案、药物剂量和不良反应描述。字段方面，特异性表述包括疾病诊断编码（如 ICD-10 F00-F99）、药物活性成分、剂量单位（mg、μg）、给药途径（口服、注射）和特定量表（如汉密尔顿抑郁量表 HAMD、阳性与阴性症状量表 PANSS）评分范围。
这些特征在「知识库检索与召回」这一环带来什么约束
精神类疾病文档的低更新频率意味着知识库内容相对稳定，对实时同步要求不高，但初次构建和定期维护的准确性至关重要。非结构化文本和大量医学术语要求分词器和嵌入模型具备强大的医学领域理解能力，以准确识别专业词汇和概念。疾病诊断编码、药物剂量等特定字段的存在，提示在检索时需要支持精确匹配和数值范围查询，常规的语义检索可能无法有效区分细微的剂量差异或量表临界值。多样的量表评分范围和给药途径描述，增加了文档内容的复杂性，可能导致召回结果过于宽泛或相关性不足。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 精神类疾病文档段落较长，保留足够上下文利于语义理解 |
重叠长度 | 100–200 字符 | 确保跨段落的关键信息关联性 |
相似度阈值 | 0.75–0.85 | 医学内容对准确性要求高，高阈值减少不相关结果 |
召回条数 | 前 8–12 条 | 保证覆盖足够多样的相关信息，应对复杂查询 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 应对大型临床试验报告或指南解析，避免解析超时 |
UPLOAD_FILE_MAX_SIZE | 200 MB | 考虑到可能包含多图或详细表格的 PDF 文档大小 |
容易做错的三处
- 上传大型 PDF 文档时提示
timeout of 60000ms exceeded，原因是文件解析时间超过了默认的等待时长。 - 知识库问答中某些图片无法正常显示，现象是图片链接失效或渲染错误，原因可能是图片资源未正确上传或解析时路径丢失。
- 检索结果中出现大量非精神类疾病相关内容，原因是没有针对医学术语进行预处理，导致泛化检索效果不佳。
怎么确认配好了
- 上传一份包含 ICD-10 诊断码、药物剂量和量表评分的复杂 PDF 文档，确认文档解析成功且内容完整。
- 使用包含特定医学术语和数值范围的查询语句，验证召回结果的精确性和相关性是否符合预期，并检查是否能正确识别诊断码和剂量信息。
- 针对一份已上传的文档，通过关键词搜索和语义搜索交叉验证，确保关键信息能够被有效检索，并对比不同召回条数下的结果覆盖度。
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。