会议纪要内部办公助手的多轮对话与提示词

这个品类的数据长什么样

生物医药领域的会议纪要数据通常以非结构化文本形式存在，来源多样，包括内部会议记录、项目研讨会纪要、临床试验方案评审会纪要等。这些文档通常存储在企业内部文档管理系统或协作平台中。更新节奏取决于会议频率，可能每天都有新的纪要生成，也可能每周或每月。文档结构上，一份会议纪要往往包含会议主题、时间、地点、参会人员、讨论议题、关键决策、待办事项及责任人等核心字段。其中，讨论议题和关键决策部分通常是自由文本，涉及大量的专业术语、实验数据引用（例如剂量单位 mg/kg、时间单位 h 或 day、浓度单位 μM）和项目编号。

这些特征在「多轮对话与提示词」这一环带来什么约束

会议纪要数据的多样性和非结构化特性，对多轮对话和提示词设计提出了具体要求。由于包含大量专业术语和缩写，提示词必须能够引导模型准确理解上下文，避免因专业词汇识别不准导致的语义偏差。其次，会议纪要的更新频率要求知识库能够快速索引和检索最新内容，这意味着在多轮对话中，用户提问可能涉及最近一次会议的决策，系统需确保召回的是最及时的数据。此外，会议纪要中包含的待办事项和责任人字段，决定了在多轮对话中模型需要具备抽取结构化信息的能力，以响应“谁负责完成某项任务”这类查询。对于数值和单位，提示词需强化对单位的识别和匹配，避免出现数值与单位脱节的错误。

配置怎么定

配置项	建议取法	这样取的依据
`分段长度`	`800–1200 字符`	保留会议纪要中一个完整议题或决策的上下文，同时避免单段过长影响召回效率。
`召回条数`	`前 5–8 条`	覆盖用户提问可能涉及的关键信息点，平衡召回精度与模型处理负担。
`相似度阈值`	`0.75–0.85`	确保召回的会议纪要片段与用户查询高度相关，过滤掉低质量匹配。
`重排返回条数`	`前 3 条`	在召回结果中进一步精选最相关的片段，提升模型回答的准确性。
`maxContext`	`32000 token`	支撑较长的多轮对话历史和复杂的会议纪要内容，避免上下文丢失。
`PARSE_FILE_TIMEOUT_SECONDS`	`300 秒`	允许系统有足够时间处理大型会议纪要文档，防止解析超时。

容易做错的三处

对话中模型未能准确识别会议纪要中的项目编号或药物名称，导致回复内容与实际查询不符。原因在于知识库在向量化时，对于这些特定实体缺乏足够的权重或预处理。
用户询问最近一次会议的某个决策，模型却引用了数月前的旧纪要内容。原因在于知识库的索引更新机制未能及时同步最新上传的会议纪要文件。
工具调用结果未在对话框中显示，或返回的工具调用结果为空。原因可能是工具调用配置的 schema 定义与实际工具的输出格式不匹配，导致解析失败。

怎么确认配好了

上传一份包含最新决策的会议纪要，随即进行多轮对话测试，验证模型能否准确引用该纪要中的关键决策，并指明信息来源。
构造包含专业术语和剂量单位的复杂查询，检查模型是否能正确理解并给出包含正确单位的回答。
通过 FastGPT 后台的“调试”功能，查看多轮对话中每次工具调用的 input 和 output，确认工具的输入参数是否正确传递，以及输出结果的 json 结构是否符合预期。
针对包含待办事项和责任人的会议纪要，提问“谁负责完成 [某项任务]”，验证模型能否准确抽取并返回对应的责任人姓名。

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。