这个品类的数据长什么样
心血管领域的制度与 SOP 文档通常来源于医疗机构内部规章、国家卫健委发布指南、国际心血管学会共识。这些文档更新频率较低，主要集中在每年或每两年一次的修订周期，但遇到重大医学突破或政策调整时可能进行临时更新。文档结构以 PDF 或 Word 格式为主，内部包含大量嵌套标题、列表、表格和流程图。字段与单位具有高度专业性，例如“心输出量”（L/min）、“血压”（mmHg）、“肌钙蛋白 I”（ng/mL），以及各种药物剂量单位（mg、μg/kg/min）。文档中还常出现缩写词，如 PCI（经皮冠状动脉介入治疗）、ACS（急性冠脉综合征），这些缩写在不同语境下可能指代不同概念。
这些特征在「多轮对话与提示词」这一环带来什么约束
心血管制度文档的更新频率低，意味着知识库构建时对实时性要求相对宽松，但对历史版本管理提出要求，以确保回答基于当前有效版本。文档的复杂结构和大量专业术语、缩写词，要求在多轮对话中能够准确理解用户意图，避免因语义模糊或术语歧义导致误解。例如，用户提问“ACS 治疗方案”，模型需判断是急性心肌梗死还是急性冠脉综合征。流程图和表格数据在语义解析和信息抽取环节需要特殊处理，确保关键数值和步骤能够被有效召回。多轮对话中，用户可能逐步深入询问某个具体指标或操作步骤，要求系统能够保持上下文连贯性，并根据前序对话动态调整召回策略和提示词。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500-800 字符 | 兼顾语义完整性和召回效率，避免单个分段过长稀释核心信息，过短则可能切断关键上下文。 |
分段重叠 | 50-100 字符 | 确保分段边缘的上下文连续性，减少因分段边界导致的语义丢失，尤其在处理流程步骤时。 |
召回条数 | 前 5-8 条 | 心血管制度文档的专业性要求获取足够多的相关信息，以支持复杂问题的回答，避免遗漏关键细节。 |
相似度阈值 | 0.75-0.85 | 保证召回结果的精确性，过滤掉不相关的制度条款，但又不过于严格导致漏召。 |
重排返回条数 | 前 3 条 | 在多轮对话中，用户通常期望获得最直接、最相关的答案，重排能将最相关的几条置顶。 |
maxContext | 32000 token | 心血管领域的复杂问题往往需要更长的上下文来理解和推理，支持多轮深入问答。 |
容易做错的三处
- 现象：用户提问“PCI 术后抗凝”，系统返回了关于急性心肌梗死（AMI）的治疗方案。 原因：知识库在处理“PCI”这个缩写时，未能有效区分其在不同上下文中的具体含义，导致召回了不相关的文档片段。
- 现象：用户询问“肌钙蛋白 I”的正常范围，系统回答为空或给出不准确的数值。 原因：文档中的表格数据或带有单位的数值未能被正确解析和提取，导致模型无法获取或引用精确的量化信息。
- 现象：对话过程中，用户连续提问关于某个药品的剂量调整，系统在第三轮对话后开始“失忆”，回答与前几轮对话脱节。 原因：
maxContext参数设置过小，导致多轮对话的历史信息被截断，模型无法维持完整的上下文。
怎么确认配好了
- 选取一系列包含专业术语和缩写词的复杂多轮问题，测试系统是否能持续理解用户意图并给出准确回答，尤其关注缩写词的歧义处理。
- 针对文档中包含表格数据和流程图的部分，设计问题验证系统能否准确提取并引用其中的数值、步骤和条件判断。
- 模拟长时间、多轮次的对话，观察系统在后续对话中能否保持上下文连贯性，并根据之前的对话内容进行合理推断和补充。
- 检查日志中
召回条数和相似度阈值的实际效果，评估召回结果的相关性和广度，必要时调整参数。
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。