这个品类的数据长什么样
中药投研数据主要来源于国家药品标准数据库、行业学术期刊、药企内部研发文档及地方中药材炮制规范。数据更新节奏分为三类：国家药典类文档每5年集中修订，学术文献随研究进展实时更新，企业内部文档则随研发进度不定期调整。单篇文档围绕单味或多味中药材展开，结构包含基原描述、炮制工艺流程、性味归经说明、临床应用片段、质检指标参数等字段，部分文档包含结构化的重量、浓度等量化参数。
这些特征在「向量模型与索引」这一环带来什么约束
中药投研数据的多维度结构与更新节奏，对向量模型与索引环节提出多重约束。首先，混合文本与结构化参数的文档，要求向量模型支持多模态语义编码，避免割裂文本与质检指标的关联。其次，实时更新的学术文献与定期修订的药典文档，要求索引支持增量更新与批量重建功能，适配不同更新频率的数据。此外，中医药专业术语密集的文本，要求向量模型经过中医药语料微调，提升专业语义的识别精度。最后，单篇文档的长文本属性，要求索引支持合理的分段策略，避免语义单元被过度拆分。
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 | 中药投研文档包含连续的炮制工艺、临床应用文本，该区间适配中医药专业文本的语义单元长度，避免术语截断或上下文断裂 |
分段重叠 | 100–150 字符 | 保留相邻分段的专业术语衔接，防止“道地药材”“炮制减毒”等核心术语被分段拆分 |
召回条数 | 前 8–12 条 | 覆盖单味药材的多维度投研信息，包含基原、药理、质检等多类数据 |
批处理大小 | 16–32 | 适配向量化服务的批处理能力，平衡请求延迟与整体处理效率 |
向量模型 | 阿里multimodal-embedding-v1 或适配中医药语料的专用模型 | 支持文本与结构化质检参数的联合向量化，匹配中药投研数据的混合模态特征 |
相似度阈值 | 按实测标定 | 需结合中医药专业术语的语义相似度阈值调整，避免召回无关的药材文档 |
本页给出的参数取值均为常规建议，用于确定配置的起点。实际取值受材料形态、数据量与业务规则影响，具体问题需具体分析，建议在自有样本上实测后再定。
容易做错的三处
- 现象：调用向量化接口时返回的结果条数与提交的切片数不一致，仅为单条。原因：未正确配置
batch_size相关参数，或FastGPT默认逻辑未启用批量分片提交，仅将单一切片传入向量化服务，无法触发批处理。 - 现象：在fastgpt4.8.10版本中调用
GET /api/index/chunks分块索引API时，返回400 Bad Request或空数组。原因：未在知识库配置中开启分块索引记录功能，或请求参数中未携带正确的知识库ID与分块标识。 - 现象：自定义添加阿里multimodal-embedding-v1模型后，界面提示模型配置异常。原因：未在模型管理界面填写正确的API端点与访问密钥，或未开启多模态嵌入的适配选项。
怎么确认配好了
- 查看FastGPT的向量化服务日志，确认提交的切片数量与配置的
batch_size匹配，验证批处理逻辑是否正常触发。 - 调用
GET /api/index/chunks分块索引API，传入正确的知识库ID与分块ID，检查返回结果是否包含预期的中药材相关文本片段与字段信息。 - 在模型管理界面确认已添加的阿里multimodal-embedding-v1模型状态为“可用”，并发起一次测试API调用，验证模型返回结果正常。
- 发起一次测试检索，检查召回结果的数量与相关性符合预设的
召回条数与相似度阈值要求。
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 2026-09-14，当时的最新发布版本为 FastGPT v4.17.0。