这个品类的数据长什么样
生物医药领域内部办公助手的 OA 流程发起数据，主要来源于企业内部的 OA 系统、ERP 系统以及人力资源管理系统。这些数据更新频率较高，尤其是在工作日，流程状态、审批意见等信息会实时变动。文档结构通常是结构化与半结构化并存，例如流程申请表单中的字段是结构化的，而审批意见或附件内容则属于半结构化文本。字段包括申请人、申请时间、流程类型、审批节点、审批状态、审批意见、金额、部门、项目编号等，其中金额字段可能涉及多币种，且部分字段可能包含特定的业务代码或缩写。
这些特征在「多轮对话与提示词」这一环带来什么约束
高频更新的数据要求多轮对话系统能够实时查询最新流程状态，避免提供过时信息。结构化与半结构化数据并存，使得提示词设计需要兼顾字段抽取和自由文本理解，确保模型能准确解析用户意图，无论用户是询问特定字段值还是总结审批意见。多币种和业务代码的存在，意味着模型需要具备一定的领域知识或通过知识库进行补充，以正确识别和处理这些信息。例如，用户查询“报销流程状态”时，系统需能区分不同类型的报销，并从复杂的业务代码中提取关键信息。此外，流程发起涉及多个步骤和审批人，多轮对话需能引导用户完成整个流程，并在不同节点提供相关指引。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 800–1200 字符 | 确保能覆盖多轮对话中流程发起、审批意见等关键信息，同时控制上下文长度，降低计算成本。 |
similarityThreshold | 0.75 | 平衡召回率与精确率，确保能匹配到相关的流程模板或审批规则，避免无关信息干扰。 |
top_k | 前 5 条 | 在知识库召回阶段获取足够多的相关流程模板或审批规则，提高后续模型理解的准确性。 |
reRankTopN | 3 | 对召回结果进行二次排序，确保最相关的流程信息或审批规则优先呈现。 |
promptTemplate | 包含 {{context}} 和 {{query}} | 引导模型理解用户意图，并结合流程数据生成符合业务逻辑的回复。 |
history_len | 5 轮 | 维持足够的对话历史，以便模型理解多轮对话中的上下文依赖，特别是流程审批的连续性。 |
容易做错的三处
- 模型返回的流程状态或审批结果不准确，可能是因为知识库中的流程定义或审批规则更新不及时，导致模型引用了旧数据。
- 用户询问特定流程编号时，模型无法正确识别并提供信息，这是由于提示词中未有效指导模型从复杂的半结构化文本中抽取流程编号等关键实体。
- 在多轮对话中，用户发起流程后，模型未能引导用户继续填写必要字段，体现为对话中断或模型反复要求提供已有的信息，这通常是
history_len设置不足，导致模型遗忘前文信息。
怎么确认配好了
- 模拟多种 OA 流程发起场景，包括正常流程、异常流程和驳回流程，检查模型是否能准确理解用户意图并提供正确的流程指引。
- 测试不同复杂度的流程查询，例如查询特定申请人的所有待办流程，或查询某部门在特定时间段内的报销总额，检查模型能否从结构化数据中准确提取并汇总信息。
- 观察模型在多轮对话中对流程状态变化的响应，例如当流程从“待审批”变为“已通过”时，模型能否实时更新其回复，并根据业务需求设定可接受的延迟阈值。
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。