这个品类的数据长什么样
家用医疗产品的数据主要来源于产品说明书、官方网站的产品详情页、常见问题解答（FAQ）以及用户手册。这些文档通常以 PDF、HTML 或结构化文本形式存在。数据更新频率相对较低，主要集中在产品型号迭代、功能升级或法规调整时。文档结构规范，包含产品名称、型号、功能、适用人群、禁忌症、使用方法、维护保养、故障排除等标准字段。单位方面，常见有毫米（mm）、克（g）、伏特（V）、安培（A）、摄氏度（℃）等，且对精度要求较高，例如血糖仪的测量范围和误差值。
这些特征在「多轮对话与提示词」这一环带来什么约束
家用医疗产品数据的规范性决定了知识库构建时，可以采用更精细的结构化切分，例如按产品型号、功能模块进行切片，这有助于提高召回的精准度。文档更新频率低意味着知识库的同步压力较小，但历史版本管理和新旧知识的平滑过渡需要关注。对单位和精度的高要求，使得多轮对话中，对数值型信息的抽取和比较成为关键，提示词设计需要引导模型关注具体数值，避免模糊回答。此外，由于产品直接关系用户健康，对话的准确性和安全性是核心，提示词需要强调对官方信息的引用，并加入免责声明引导用户咨询专业医生。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500–800 字符 | 确保单个知识片段包含足够上下文，同时避免信息过载。 |
召回条数 | 前 5 条 | 平衡召回广度与模型处理负荷，确保核心信息被检索。 |
相似度阈值 | 0.78–0.85 | 保证召回内容的强相关性，减少无关信息干扰。 |
重排返回条数 | 3 条 | 在保证相关性的前提下，进一步优化排序，提升用户体验。 |
maxContext | 3000 Tokens | 适应家用医疗产品常见问题描述长度，支持一定轮次的多轮对话。 |
response_temperature | 0.3 | 降低模型发散性，确保回答的准确性和严谨性。 |
容易做错的三处
- 现象：AI 回答中未引用知识库内容，或引用内容与用户问题关联度低。原因：
相似度阈值设置过高，导致相关知识片段未能被召回；或者知识库分段粒度过大，单个片段包含过多无关信息。 - 现象：对话历史记录在 MongoDB 中缺失或不完整。原因：
record_conversation参数未正确配置为true，或存储服务连接异常，导致对话数据未持久化。 - 现象：AI 对话未能根据用户的追问进行连续提问或深入分析。原因：提示词设计未能有效引导模型进行多轮推理，例如缺乏对“如果用户提到 A，则进一步追问 B”的指令。
怎么确认配好了
- 对多组包含数值比较、功能询问、故障排除等场景的测试问题，验证 AI 回答的准确性，并检查是否引用了正确的知识库内容。
- 通过 FastGPT 后台的“对话记录”功能，随机抽查对话历史，确认对话轮次、用户输入、AI 输出以及引用的知识片段均完整记录。
- 在工作流中，针对复杂问题模拟多轮对话场景，检查 AI 是否能够根据上一轮回答或用户追问，从知识库中召回并整合信息，形成逻辑连贯的回答。
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。