这个品类的数据长什么样
药物警戒领域的数据主要来源于临床试验报告、真实世界研究（RWE）数据、不良事件报告（ADR）以及药品说明书等。这些数据更新频率较高，尤其是在新药上市后的快速监测期。文档结构通常包含结构化和非结构化部分，例如不良事件报告可能包含患者基本信息、用药史、不良反应描述、诊断结果等字段。临床试验方案和报告则有更复杂的结构，涉及研究目的、入组/排除标准、研究药物信息、剂量、用药方案、安全性评估指标等。字段类型多样，包括文本描述、数值（如剂量单位 mg、μg；频率单位 次/日、次/周）、日期时间（报告日期、发生日期）、布尔值（是否严重不良事件）以及分类标签（不良反应类型、严重程度）。
这些特征在「多轮对话与提示词」这一环带来什么约束
药物警戒数据的高更新频率要求知识库具备高效的索引更新机制，以确保检索到的信息始终是最新状态。多样的文档结构和字段类型需要提示词设计能够灵活适应，既能处理结构化查询，也能理解非结构化文本中的医学术语和上下文。例如，在查询特定不良事件时，提示词需引导模型精确识别不良反应名称、药物名称、发生时间点以及患者特征等关键信息。数值型字段和单位的存在，要求模型在多轮对话中能够进行量纲匹配和数值比较，避免因单位不一致导致误判。医学术语的专业性和复杂性，使得提示词必须包含足够的领域知识，以减少歧义并提高检索准确性。对安全性评估指标的关注，也要求提示词能引导模型聚焦于与风险评估相关的关键数据点。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 4096 | 药物警戒报告文本量大，需保留足够上下文理解语义 |
召回条数 | 5–8 条 | 确保覆盖相关不良事件和药物信息，避免遗漏 |
相似度阈值 | 0.75 | 临床术语严格，高阈值保证检索精度 |
分段长度 | 500–800 字符 | 兼顾段落完整性与检索效率，保留关键信息 |
重排返回条数 | 前 3 条 | 聚焦最相关的证据，减少模型处理负担 |
MaxTokens (LLM) | 1024 | 允许模型生成详尽的不良事件分析和建议 |
容易做错的三处
- 模型回答未引用任何知识库内容：原因在于检索到的相关性分数过低，未能达到模型引用的内部阈值，或者提示词未能有效引导模型利用检索结果。
- 多轮对话中模型混淆不同患者或药物信息：原因在于提示词未明确指示模型区分不同实体，或上下文窗口不足以承载多轮对话中的所有关键信息。
- 检索结果包含非目标段落ID：原因在于知识库分段策略过于粗糙，或检索算法未能准确识别与查询意图最相关的段落边界。
怎么确认配好了
- 针对典型药物不良事件查询，核对模型回答是否准确引用了来自临床试验报告或ADR数据库的关键信息，例如药物名称、不良反应类型、发生频率。
- 使用一系列复杂的多轮对话测试，确认模型在追问不同时间点、不同剂量或不同患者群体的不良反应时，能保持上下文一致性并给出逻辑连贯的回答。
- 执行包含医学术语和数值单位的查询，检查模型是否能正确理解并处理剂量（如
10 mg/kg）、频率（如每日两次）等信息，并返回对应的报告段落。
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。