这个品类的数据长什么样
医药电商平台的核心数据包括药品、医疗器械、保健品等商品信息，以及药师咨询记录、用户健康档案、用药反馈等。商品信息通常来源于药企、经销商提供的说明书、产品手册，更新频率相对较高，涉及批次、有效期、库存、价格变动。文档结构以结构化数据为主，例如药品属性（通用名、商品名、剂型、规格、生产厂家、批准文号）、适应症、用法用量、禁忌、不良反应等。非结构化数据包括用户咨询文本、评价、以及部分产品介绍的详细说明。字段单位明确，如剂量单位（mg、ml）、规格单位（片、支）、包装单位（盒、瓶）。
这些特征在「多轮对话与提示词」这一环带来什么约束
医药电商数据的结构化特性使得在多轮对话中，可以精确抽取用户意图并匹配到具体的商品属性。例如，用户提及特定药品的剂型或规格，系统能直接关联到对应字段。高更新频率要求知识库同步更新，以确保价格、库存信息的准确性，避免提供过时信息。药品说明书等专业文档的规范性，使得提示词设计需要侧重于医学术语的准确性和严谨性，确保回复的专业性。同时，用户咨询的非结构化部分，如症状描述、用药感受，则要求多轮对话系统具备更强的语义理解能力，从模糊的描述中提取关键信息，并引导用户提供更明确的细节。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8 | 兼顾上下文长度与检索效率，覆盖常见多轮咨询场景。 |
分段长度 | 500 字符 | 适应药品说明书等专业文本的段落结构，确保语义完整。 |
召回条数 | 7 | 在保证相关性的前提下，提升多轮对话的知识覆盖面。 |
相似度阈值 | 0.78 | 医药领域对信息准确性要求高，避免低相关度内容干扰。 |
重排返回条数 | 3 | 精选最相关信息，减少用户阅读负担，提升回复精准度。 |
prompt 中的 药品属性提取 | 通用名、商品名、剂型、规格、适应症、用法用量 | 引导模型优先关注核心药品信息，提升查询准确性。 |
容易做错的三处
- 对话机器人返回的药品信息不准确或过时，原因在于知识库同步机制不完善，未能及时更新最新的商品批次、价格或下架信息。
- 用户输入药品名称后，机器人无法识别或给出无关的回复，现象是模型输出
422错误码或返回空字段，原因可能是知识库中药品别名或同义词覆盖不足，或者分词策略未针对医学术语进行优化。 - 用户在多轮对话中提及症状，机器人未能有效关联到对应的药品或建议，导致对话中断，原因在于提示词对症状与药品关联规则的引导不足，未能有效利用知识图谱或医疗诊断知识。
怎么确认配好了
- 选取一批具有代表性的药品查询与咨询场景，手动模拟多轮对话，核对机器人回复的准确性与及时性。
- 定期向知识库中更新一批新上架或价格变动的药品信息，测试机器人能否在短时间内提供最新数据。
- 随机抽取用户真实咨询记录，通过回放测试，评估机器人对复杂医学术语和模糊症状描述的理解能力。
- 针对容易混淆的药品名称或相似症状，设计对抗性测试用例，观察机器人是否能区分并给出正确建议。
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。