这个品类的数据长什么样
中药研报的数据来源包括中医药行业权威期刊、国家药品监督管理局公开文件、中药企业年度研发报告、中医药研究院专项调研资料。更新节奏分为三类：行业通用研报按季度、半年度更新，政策类研报随监管文件发布同步更新，企业自研数据随研发进度实时更新。单篇文档的结构包含品种基原、性味归经、功能主治、用法用量、质量控制参数、临床研究数据、药理活性成分分析等模块，字段包含通用名、拉丁名、规格、含量单位、生产批号等。
这些特征在「向量模型与索引」这一环带来什么约束
中药研报包含结构化专业参数与非结构化文本的混合内容，要求向量模型支持多字段关联向量化，避免结构化数据的语义丢失。多更新节奏并存的特性，要求索引架构支持增量更新与全量重建的灵活切换，适配定期行业研报与实时政策文件的不同更新需求。专业术语密集且存在固定表述范式，要求向量模型针对中医药领域术语做适配，保证同类术语的向量空间一致性。文档长度跨度大，从数百字的品种说明到上万字的药理研究，要求索引的分段策略支持自适应调整，避免过度截断或冗余分段。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
embedding_model | 智谱Embedding-3、或经过中医药领域微调的通用向量模型 | 适配中药研报中大量专业术语的语义表示，减少同类术语的向量空间偏差 |
分段长度 | 800–1200 字符 | 适配中药研报既有短专业字段又有长文本研究的长度分布，避免核心信息被截断 |
分段重叠率 | 100–150 字符 | 保留分段间的上下文关联，避免专业术语被切割导致语义断裂 |
索引类型 | HNSW 索引 | 平衡检索速度与召回精度，适配中药研报知识库的多文档批量检索需求 |
召回条数 | 前8–12条 | 覆盖中药研报中多维度的专业信息，避免遗漏关键参数或临床数据 |
相似度阈值 | 0.75–0.85 | 过滤低相关性的非专业匹配结果，保证检索结果与中药研报的专业匹配度 |
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：执行
create_train_order接口后，知识库检索结果未更新新增的中药研报数据。原因：未绑定数据集合与训练订单的关联关系，或未开启自动向量化开关，导致新增数据未完成索引构建。 - 现象：在向量模型配置列表中无法找到智谱Embedding-3等指定模型。原因：未在平台配置文件中添加对应模型的接口白名单，或模型版本未适配平台的向量模型加载逻辑。
- 现象：本地部署环境中，向量模型可ping通但检索时报错
500 Internal Server Error。原因：未正确配置向量模型的访问令牌权限，或平台与向量模型的通信端口未开放，导致请求无法正常流转。
怎么确认配好了
- 执行向量模型测试接口，输入一段中药专业术语，核对返回的向量结果与同类术语的向量相似度符合预期配置范围。
- 上传一篇测试用的中药研报文档，查看索引构建日志，确认分段长度、重叠率等参数匹配已配置的参数项。
- 发起检索请求，核对召回条数与配置的
召回条数参数一致，且相似度评分符合设定的阈值范围。 - 上传一张中药成分图谱图片，发起跨模态检索，确认返回的文本研报内容与图片关联度符合预期。
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。