这个品类的数据长什么样
DTP（Direct To Patient）药房的数据主要来源于药企提供的药品说明书、临床试验报告、真实世界研究数据、患者援助项目（PAP）资料，以及药店自身的销售记录与库存信息。这些数据更新频率因药品生命周期和市场政策调整而异，新药上市或说明书修订时会有集中更新。文档结构通常包含药品基本信息（通用名、商品名、剂型、规格）、适应症、用法用量、禁忌症、不良反应、药物相互作用、特殊人群用药指导等，以及患者教育材料。字段与单位具有高度专业性，例如剂量单位（mg、IU）、给药途径（口服、注射）、疗程（天、周、月）等。此外，DTP 药房还会涉及医保支付范围、自费药品价格、慈善赠药政策等商业化数据。
这些特征在「多轮对话与提示词」这一环带来什么约束
DTP 药房数据的专业性与时效性，要求多轮对话系统在理解用户意图时，需精准识别药品名称、症状描述和用药疑问。药品说明书的严谨性决定了提示词设计必须强调事实依据，避免模糊或推测性回答。临床试验数据和真实世界研究的复杂性，意味着系统需要能处理多维度信息交叉验证，确保推荐的用药方案符合患者个体情况。患者援助项目的动态更新，则要求知识库召回机制能够及时反映最新政策。此外，涉及医保和自费药品的咨询，提示词需引导系统区分支付方式，并提供准确的价格区间或政策指引，避免误导性信息。多轮对话中，对副作用、禁忌症的重复确认，也考验着系统在不同对话轮次间维持上下文连贯性的能力。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 2500 tokens | 适应药品说明书和临床报告的详细描述，保证上下文完整性 |
temperature | 0.3 | 确保生成内容的事实准确性与严谨性，避免幻觉 |
召回条数 | 前 8 条 | 覆盖药品多维度信息，如适应症、用法、禁忌、PAP 政策 |
相似度阈值 | 0.78 | 提高知识点召回的精准度，减少无关信息干扰 |
分段长度 | 400 字符 | 兼顾语义完整性与召回效率，避免长文本切分导致信息丢失 |
重排返回条数 | 前 4 条 | 进一步优化召回结果，将最相关信息置于显著位置 |
容易做错的三处
- 对话中出现药品剂量或用法错误：原因在于提示词未能有效约束模型对数字和专业术语的生成，或知识库召回的上下文信息不足以支撑精确判断。
- 用户询问特定药品副作用时，系统回答过于宽泛或遗漏重要信息：原因在于提示词未能明确要求模型列举所有已知副作用，或知识库中相关副作用条目未被充分召回。
- 在涉及医保支付或患者援助项目时，系统给出过期或错误的政策信息：原因在于知识库更新不及时，或提示词未引导模型优先检索最新政策文档。
怎么确认配好了
- 针对典型药品咨询场景，模拟多轮对话，核对系统给出的药品名称、剂量、用法、禁忌症等关键信息与官方说明书的一致性。
- 测试不同复杂度的副作用、药物相互作用咨询，评估系统是否能准确识别并提供完整且专业的回答，检查是否能引用知识源的特定段落。
- 验证系统对患者援助项目、医保支付等政策性问题的响应，确保其能提供最新、准确的政策依据，并能区分自费与医保范围。
- 检查对话过程中，系统是否能有效维持上下文关联，避免重复提问或遗漏用户前期提供的重要信息。
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。