这个品类的数据长什么样
DTP 药房的制度与 SOP 数据主要来源于企业内部的合规部门、运营管理部门和药师团队。这些文档通常以 PDF、Word 或内部知识管理系统页面形式存在，内容涵盖药品采购、存储、调配、患者用药指导、不良反应上报、药事服务流程以及各类应急预案。更新频率相对稳定，新药上市、政策法规调整或内部流程优化时会进行修订，通常为季度或半年更新，但部分应急预案或药品召回流程可能触发即时更新。文档结构严谨，多采用章节标题、条款编号、流程图和表格形式，字段如“药品通用名”、“生产批号”、“有效期”、“储存条件”等在具体操作SOP中频繁出现，单位如“mg”、“ml”、“℃”、“天”等也标准化使用。
这些特征在「知识库检索与召回」这一环带来什么约束
DTP 药房制度文档的结构化和严谨性，使得基于关键词和语义的检索精度成为关键。条款编号和流程图的存在，要求分段时能有效识别并保持这些逻辑单元的完整性，避免因断章取义导致召回结果不准确。季度或半年的更新频率，意味着知识库需要支持增量更新和版本管理，确保召回的是最新生效的制度版本。文档中包含大量专业术语、药品名称和计量单位，对分词器的专业词库和实体识别能力提出要求，以避免“批号”与“批号管理制度”等不同语境下的混淆。此外，合规性要求极高，召回结果的准确性和溯源性至关重要，需要确保召回的每一个片段都能对应到原始文档的具体位置。
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 | 确保单个知识片段包含足够上下文，覆盖完整条款或操作步骤，避免语义碎片化。 |
分段重叠长度 | 100–200 字符 | 衔接不同段落，保留上下文连续性，尤其在跨章节或流程步骤时。 |
召回条数 | 5–8 条 | 平衡召回广度与后续模型处理负载，覆盖多个相关制度点。 |
相似度阈值 | 按实测标定 | 依据 DTP 制度问答的精确性要求，确保召回内容高度相关。 |
重排返回条数 | 3 条 | 经过重排后，向大模型提供最相关的核心制度条款，降低幻觉风险。 |
索引策略 | 全文索引 + 向量索引 | 兼顾关键词精确匹配（如条款编号）和语义理解（如流程描述）。 |
容易做错的三处
- 问答结果中出现旧版或已废止的制度条款：原因在于知识库未及时同步最新制度文档，或版本管理配置不当导致旧数据被召回。
- 用户提问“药品存储条件”时，召回的却是“药品采购流程”：原因是分词器未能准确识别“存储条件”这一核心实体，或向量嵌入模型对专业术语的语义理解偏差。
- 回答内容条理混乱，或缺乏关键信息：原因是分段策略不合理，导致单个知识片段过短，无法提供完整的制度背景或操作步骤，或
召回条数过少。
怎么确认配好了
- 针对关键制度条款进行多轮提问测试，检查召回结果是否精准指向最新版文档的对应章节或段落，并核对
chunkId。 - 使用 DTP 药房特有的专业术语和药品名称进行查询，观察召回片段是否包含了这些术语的正确解释和应用场景，检查
score值。 - 随机抽取多份制度文档，模拟用户提问，检查召回的
top_k条目是否覆盖了问题可能涉及的所有相关制度点，评估其完整性。 - 测试包含流程图或表格的制度文档，确保在提问相关操作步骤时，召回片段能提供清晰的步骤描述。
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。