这个品类的数据长什么样
智能导诊系统所需的数据主要来源于医院内部的规章制度、标准操作流程（SOP）文档、诊疗指南以及相关法律法规。这些文档通常以 PDF、Word 或结构化文本形式存储，内容涵盖疾病诊断流程、科室职责划分、急诊处理规范、用药管理细则等。数据更新频率相对较低，通常随政策调整或医院内部管理优化而进行季度或年度更新。文档结构上，制度文件多采用章节式、条款式编排，SOP 则以步骤流程式为主，其中包含大量专业术语、缩略语以及交叉引用。字段与单位方面，涉及科室名称、病种代码、处置时长（分钟）、剂量（mg）等，具有高度的行业特异性。
这些特征在「引用来源与溯源」这一环带来什么约束
制度与 SOP 文档的低更新频率意味着知识库构建时对时效性要求相对宽松，但对文档内容的准确性和版本管理则有极高要求，以确保引用信息的权威性。其章节式和流程式结构决定了 RAG 检索时需要更精细的文本切分策略，避免单个检索块过长或过短，影响语义完整性。专业术语和缩略语的存在，要求系统具备良好的实体识别能力和同义词扩展机制，确保用户查询能准确匹配到原文。此外，文档内部的交叉引用，如“参见附件 A”或“依循《XXXX 管理办法》第 X 条”，给溯源带来了额外挑战，需要解析并链接到对应的参考资料，以实现完整的引用链。对处置时长、剂量等具体数值的引用，要求系统能精准提取并展示，辅助用户决策。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500 字符 | 兼顾制度条款的完整性与检索效率 |
重叠长度 | 50 字符 | 保持上下文连贯，避免语义中断 |
召回条数 | 前 5 条 | 确保覆盖多源信息，同时控制上下文窗口大小 |
相似度阈值 | 0.75 | 在保证相关性的前提下，过滤低质量召回 |
最大引用token数 | 1024 token | 限制引用内容长度，防止模型上下文溢出 |
解析超时时间 | 180 秒 | 应对大型 PDF 或 Word 文档的解析需求 |
容易做错的三处
- 回复中引用的制度条款编号与原文不符，原因是对文档切分不当，导致引用片段缺失关键标识。
- 模型回复中未提供任何引用来源，原因可能是
相似度阈值设置过高，未能召回足够多的相关知识块。 - 智能导诊对话中，对于用户关于特定药品剂量的询问，回复内容模糊且未给出具体数值，原因在于知识库构建时未对制度文档中的数值型信息进行有效提取和标注。
怎么确认配好了
- 选取多个典型导诊问题，验证 AI 回复的引用来源是否指向正确的制度或 SOP 文档章节，并核对引用原文是否准确无误。
- 针对包含专业术语和缩略语的查询，检查系统能否正确识别并召回相关文档片段，同时评估回复中引用的完整性。
- 随机抽取包含时间、剂量等数值信息的制度条款，提问系统，并比对回复中引用的数值与原文是否一致，确保单位正确。
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。