这个品类的数据长什么样
药物经济学质量文档主要包含药物临床试验报告、真实世界研究数据、卫生技术评估（HTA）报告、药械比价分析、医保支付政策解读、药物价值评估模型说明等。这些文档多以 PDF、Word、Excel 或结构化数据库的形式存在。数据更新频率相对较低，通常随新药上市、适应症扩展、医保目录调整或年度报告发布而更新。文档结构严谨，包含大量专业术语、统计数据、图表和参考文献。字段特征明显，例如成本（美元/人民币）、效用（QALY、DALY）、疗效（OS、PFS）、折扣率、敏感性分析参数等，单位要求精确。
这些特征在「知识库检索与召回」这一环带来什么约束
药物经济学文档的专业性与严谨性要求知识库检索必须高度精准，避免模糊匹配带来的误解。文档中包含的复杂图表和表格数据，需要知识库具备对结构化信息进行有效解析和索引的能力，以确保数值和单位的正确关联。较低的更新频率意味着知识库构建初期可以投入更多资源进行精细化处理，但后续的增量更新和版本管理机制需完善。大量的专业术语和缩写要求嵌入模型具备良好的领域理解能力，才能在查询时准确召回相关片段。此外，多语言文档并存的情况也对多语言处理能力提出了要求。检索结果不仅要返回文本段落，还需要能够指向原始文档中的具体位置，以供工程师进行验证。
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 | 确保单个段落包含足够上下文，同时避免过长导致信息冗余和计算开销 |
重叠长度 | 50–100 字符 | 保持段落间的语义连贯性，提高跨段落查询的召回率 |
嵌入模型 | text-embedding-ada-002 或 bge-large-zh | 兼顾领域理解能力与中文处理能力，平衡性能与成本 |
召回条数 | 8–12 条 | 覆盖更广泛的潜在相关信息，为重排提供充足候选 |
相似度阈值 | 0.75–0.85 | 在确保相关性的前提下，过滤掉低质量匹配，减少噪音 |
重排返回条数 | 3–5 条 | 聚焦于最相关和最有价值的信息，提高最终呈现的质量 |
容易做错的三处
- 检索结果中出现大量无关或低相关性文档片段，原因是
相似度阈值设置过低，未能有效过滤噪音。 - 部分关键数据或表格内容无法被召回，原因是文档解析器未能正确提取结构化数据，导致这些信息未被有效索引。
- 在工作流中设置了联网搜索步骤但未被触发，原因是查询意图未能被正确识别，导致系统直接进行 AI 对话，跳过了信息检索环节。
怎么确认配好了
- 对一批包含特定药物经济学指标（如 QALY 值、成本效益比）的测试问题进行查询，验证召回结果中是否包含这些指标的精确数值和来源文档。
- 检查检索结果中的
来源文档链接，确认能否准确跳转到原始文档中对应内容的具体位置。 - 针对不同类型的药物经济学文档（如临床报告、HTA 报告），分别进行检索测试，评估
相似度阈值在不同文档类型下的表现一致性。 - 通过人工评估，判断召回的
重排返回条数是否能满足工程师对信息完整性和准确性的需求，并据此调整召回条数和重排返回条数。
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。