这个品类的数据长什么样
血液肿瘤领域的质量文档主要来源于国家药品监督管理局（NMPA）、欧洲药品管理局（EMA）、美国食品药品监督管理局（FDA）等监管机构发布的指导原则、注册审评要求，以及各药企内部制定的质量管理体系文件、生产工艺规程、检验操作标准等。这些文档更新频率相对稳定，通常在法规修订或新产品上市时进行局部更新，周期从数月到数年不等。文档结构以层级分明的章节和条款为主，常包含大量的表格、图示和流程图。字段方面，涉及药物名称、批号、生产日期、有效期、检验指标、限度值、检测方法等，单位则严格遵循药典或行业标准，如 mg/mL、IU/mg、%、pH 值等。
这些特征在「知识库检索与召回」这一环带来什么约束
血液肿瘤质量文档的法规性和严谨性，要求知识库检索必须具备高精确度和低召回冗余度。文档更新频率的适中性，意味着知识库在建立初期需进行全面索引，后续则侧重于增量更新和版本管理。复杂的文档结构和大量专业术语，对文本分段的粒度控制提出了较高要求，避免单个分段过长导致信息过载，或过短丢失上下文。字段和单位的标准化，使得在检索时需要对查询词进行严格的匹配或同义词扩展，确保能够准确识别和提取关键信息。此外，表格和图示内容需要通过预处理转化为可检索的文本形式，以纳入知识库的召回范围。
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 | 兼顾上下文完整性与检索粒度，避免单个分段过长 |
分段重叠长度 | 100 字符 | 确保上下文连续性，减少因分段边界导致的语义割裂 |
召回条数 | 5–8 条 | 平衡召回广度与后续处理负担，保证相关性较高的文档段落被纳入 |
相似度阈值 | 0.75–0.85 | 确保召回结果与查询意图高度相关，减少低质量匹配 |
重排返回条数 | 3–5 条 | 在初次召回基础上，进一步精炼最相关的核心信息段落 |
最大索引数量 | 按实测标定 | 根据实际文档量和系统资源评估，确保索引效率和稳定性 |
容易做错的三处
- 检索结果中出现大量无关或低相关性段落，原因是
相似度阈值设置过低，导致召回范围过广。 - 查询特定检验指标时，未能召回包含该指标的文档片段，原因可能是文档预处理时表格内容未被有效提取和索引。
- 系统日志显示
PARSE_FILE_TIMEOUT_SECONDS错误，表明部分大型质量文档在上传或分段处理时超出设定的时间限制。
怎么确认配好了
- 选取一批具有代表性的血液肿瘤质量文档，进行不同关键词组合的查询，观察召回的文档段落是否精准、完整。
- 验证当查询涉及特定批号、生产日期等字段时，召回结果是否能准确命中包含这些信息的文档段落。
- 对知识库进行增量更新后，检查新旧版本相关内容的检索结果是否存在差异，确保版本迭代的正确性。
- 随机抽取多个查询，评估
重排返回条数里的前几条内容是否覆盖了查询的核心意图。
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。