这个品类的数据长什么样
医药电商领域的数据主要来源于药品生产企业的说明书、产品目录、药监局备案信息以及供应商提供的商品详情。数据更新频率较高，新品上市、批次更新、说明书修订、价格调整等都可能触发数据变化，通常以周或月为单位进行批量更新。文档结构以半结构化数据为主，包含大量的文本描述、规格参数、注意事项和禁忌症。字段方面，常见的有药品通用名、商品名、剂型、规格、生产厂家、批准文号、适应症、用法用量、不良反应等。单位则涉及毫克（mg）、毫升（ml）、片、粒、支、盒等，且不同剂型、规格的药品单位差异显著。
这些特征在「表单与交互」这一环带来什么约束
医药电商数据的半结构化特性决定了表单设计需要高度的灵活性，以适应不同药品类型和剂型的字段差异。例如，口服液可能需要填写“毫升/瓶”，而片剂则关注“片/盒”。高频的数据更新意味着知识库需要支持快速同步，以确保用户获取的信息是最新的，避免因信息滞后导致的产品咨询错误或用户投诉。复杂的单位系统要求在用户输入或选择规格时，系统能够智能识别并提供正确的单位选项，减少误操作。此外，用户在咨询产品时，往往会提及多种药品或症状，交互设计需要支持多实体识别和上下文理解，以准确匹配知识库中的产品信息。对于药品说明书这种长文本数据，需要高效的分段和检索策略，确保在有限的交互轮次内提供精确答案。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 300-500 字符 | 药品说明书内容密集，短分段有助于提高检索精度，避免冗余信息干扰。 |
召回条数 | 前 5 条 | 综合考虑检索效率和信息全面性，提供足够多的相关产品或说明书片段。 |
相似度阈值 | 0.75-0.85 | 医药术语专有性强，设置较高阈值可确保召回结果与用户意图高度相关。 |
maxContext | 3000-4000 token | 确保能够承载多轮对话的上下文，尤其是在用户追问药品细节时。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型药品说明书或批次文件时，需要较长的解析时间以避免超时报错。 |
流式输出 | 开启 | 提升用户体验，尤其是在回复较长的药品介绍或使用说明时。 |
容易做错的三处
- 用户提交的咨询表单中，药品规格字段为空，原因是表单未根据药品类型动态调整必填项或提供单位选择。
- AI 回复的药品信息与最新版说明书不符，原因在于知识库同步机制未能及时处理供应商的高频数据更新。
- 用户询问多款药品交互作用时，AI 无法给出全面回答，原因是知识库分段过长，导致单个分段内上下文丢失。
怎么确认配好了
- 随机抽取多款新上市药品，通过咨询表单提交查询，核对 AI 回复的产品信息与官网或说明书最新版本是否一致。
- 模拟用户提交包含多种剂型和规格的咨询，检查 AI 回复中药品单位和用量描述是否准确无误。
- 针对知识库中包含的典型长篇药品说明书，提出关于不良反应、禁忌症等细节问题，验证 AI 是否能从说明书中精确提取并回复。
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。