这个品类的数据长什么样
皮肤科产品的数据主要来源于药企的官方产品说明书、临床研究报告、行业协会发布的诊疗指南以及医学期刊文献。这些数据更新频率因来源而异，说明书和指南通常每年或每季度修订，临床报告则根据研究进展持续发布。文档结构上，产品说明书通常包含成分、适应症、用法用量、禁忌症、不良反应等标准字段；临床报告则更侧重研究设计、受试者特征、疗效指标、安全性评估等。字段的特殊之处在于，剂量常涉及单位转换（如 mg/kg 到 g/m²），效果评估通常包含专业评分量表（如 PASI、IGA），并且对过敏原、活性成分的浓度有严格要求。
这些特征在「多轮对话与提示词」这一环带来什么约束
皮肤科产品数据的高度专业性和标准化文档结构，要求多轮对话系统在理解用户意图时，能够精确识别医学术语和产品专有名词。更新频率不一的数据源，意味着知识库需要定期维护与版本控制，以确保咨询结果的时效性和准确性。例如，当用户询问特定产品的禁忌症时，系统需要从最新版说明书中提取信息。剂量和评分量表的特殊单位与格式，要求提示词设计时，需引导模型关注数值的上下文和单位匹配，避免生成无意义的组合。对话中对过敏原和活性成分浓度的关注，约束了提示词需要强调这些关键信息，以提供安全有效的建议。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 6000 字符 | 确保在多轮对话中能够保留足够的用户提问和模型回复历史，覆盖常见的产品咨询场景。 |
分段长度 | 800 字符 | 皮肤科文档段落相对紧凑，此长度有助于保持语义完整性，避免关键信息被截断。 |
召回条数 | 前 5 条 | 考虑到皮肤科产品咨询的精确性要求，召回前几条最相关的知识片段通常足以支撑回答。 |
相似度阈值 | 0.78 | 较高的阈值有助于过滤掉不相关的产品或疾病信息，提升召回的精准度。 |
重排返回条数 | 前 3 条 | 在初步召回的基础上，进一步排序以突出最符合用户意图的产品或方案。 |
TEMPERATURE | 0.3 | 较低的温度参数促使模型生成更保守、更基于事实的回答，符合医学咨询的严谨性。 |
容易做错的三处
- 查询特定产品信息时，模型回复内容空泛或不准确，原因通常是知识库中对应的产品说明书版本过旧或缺失关键字段。
- 用户询问不同产品之间的比较时，系统无法给出有效建议，这往往是由于提示词未能明确引导模型进行多产品信息整合与对比。
- 在涉及剂量或用法的多轮对话中，模型生成了与实际不符的数值或单位，通常是由于提示词中未强调对字段单位和数值范围的严格遵循。
怎么确认配好了
- 针对核心产品，使用不同问法进行多轮对话测试，检查回复是否准确引用了产品说明书的最新信息。
- 模拟用户询问不同产品间的异同，观察模型能否基于知识库内容进行合理比较，并指出关键差异点。
- 输入包含专业医学术语和剂量单位的复杂问题，验证模型回复中数值和单位是否正确，并且符合医学规范。
- 检查对话日志，确认在多轮对话中，模型能够持续理解上下文，并基于之前的对话内容进行递进式回复。
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。