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、临床试验报告、学术期刊论文、行业法规文件以及市场调研报告。这些数据通常以 PDF 文档、Word 文档、结构化数据库（如产品成分表、功效声明）和半结构化文本（如用户反馈、专家解读）的形式存在。数据更新频率相对稳定，新产品上市或法规修订时会有集中更新，但核心产品信息变动不大，通常以季度或年度为周期进行维护。文档结构方面，产品说明书通常包含“产品名称”、“成分”、“适应症”、“用法用量”、“不良反应”、“禁忌”等固定字段；临床报告则侧重试验设计、统计结果和结论；市场报告可能包含“市场份额”、“竞争产品”等维度。字段与单位方面，涉及成分含量时常使用百分比（%）、毫克（mg）；功效验证可能涉及皮肤水分值（%）、弹性指数（AU）等专业单位。
这些特征在「工作流编排」这一环带来什么约束
皮肤科产品数据的高度结构化与半结构化并存的特点，要求工作流在数据处理阶段具备强大的多格式解析能力。产品说明书中的固定字段需要精准抽取，以构建结构化知识；而临床报告和市场调研报告中的非结构化文本，则需要进行语义理解和关键信息提取。数据更新频率相对较低，意味着工作流的索引重建和知识库同步频率可以适当放宽，不必追求实时性，但需要确保新发布的产品信息能及时纳入。此外，涉及医学专业术语和计量单位，要求工作流在文本分段时能识别并保留上下文的完整性，避免因切分不当导致专业术语或关键数值的语义丢失。对“不良反应”、“禁忌”这类敏感信息的处理，需要工作流设计时考虑召回的准确性和回复的严谨性，避免误导。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 3000 Tokens | 应对皮肤科产品说明书和临床报告中较长的专业描述，确保上下文完整性。 |
分段长度 | 500 字符 | 平衡分段粒度与语义完整性，适应包含多条信息的段落。 |
召回条数 | 前 8 条 | 考虑到查询可能涉及产品多方面信息，增加召回量以提高覆盖度。 |
相似度阈值 | 0.75 | 确保召回的知识片段与皮肤科产品咨询的精确匹配度，减少无关信息。 |
重排返回条数 | 前 3 条 | 在保证准确性的前提下，聚焦最相关的前几条信息，提高回复效率。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 预留充足时间处理大型 PDF 文档和复杂的临床试验报告解析。 |
容易做错的三处
- 工作流回复中，链接被系统自动转换为“点我立即提问”的交互，原因在于回复内容未明确指定为纯文本或特定链接格式，系统将其识别为可交互指令。
- 在多轮会话中，工作流未能保持全局变量，导致上下文信息丢失，这是因为全局变量的生命周期设置不当，未配置为跨会话持久化。
- 工作流输入指令设置不规范，导致无法正确触发特定功能，现象是指令无响应或触发了错误流程，原因为指令格式与预设的触发规则不符。
怎么确认配好了
- 通过模拟多个典型的皮肤科产品咨询场景，检查工作流回复中关键产品参数（如成分、适应症、用法用量）的召回准确性和完整性，确保回复内容与原始资料一致。
- 上传大型产品说明书或临床报告，观察文件解析时间是否在
PARSE_FILE_TIMEOUT_SECONDS范围内完成，并检查知识库分段效果，确保专业术语和关键数据未被错误切分。 - 进行多轮对话测试，验证工作流在连续提问中能否保持对产品信息的上下文理解，特别是针对产品不良反应、禁忌等敏感信息的追问，确保回复的连贯性和严谨性。
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。