这个品类的数据长什么样
自身免疫疾病领域涉及的制度与标准操作规程（SOP）文档，主要来源于国家药品监督管理局（NMPA）、欧洲药品管理局（EMA）、美国食品药品监督管理局（FDA）发布的指导原则、行业协会发布的共识、以及大型制药企业内部的研发、临床、生产质量管理规范（GMP/GCP）文件。这些文档更新频率通常为季度或年度，遇政策调整或新药上市可能临时发布修订。文档结构以 PDF 和 Word 格式为主，包含大量表格、图示及交叉引用。字段方面，常见有 文档编号、版本号、生效日期、修订记录、适用范围、职责、操作步骤、注意事项、风险评估 等。单位通常涉及剂量（mg/kg）、时间（小时/天）、温度（℃）、浓度（mol/L）等生物医药特有计量方式。
这些特征在「多轮对话与提示词」这一环带来什么约束
自身免疫领域制度文档的结构化与半结构化并存，对多轮对话的上下文理解和提示词的精确性提出了较高要求。文档中频繁出现的专业术语、缩写和交叉引用，要求模型在对话过程中能准确识别并链接到相关定义或章节，避免歧义。例如，一个关于“MTX 给药方案”的提问，可能需要模型理解“MTX”是甲氨蝶呤的缩写，并从多个相关 SOP 中提取剂量、频次、监测指标等信息。更新频率的不确定性，使得 RAG 检索到的信息必须带有明确的 版本号 和 生效日期，以确保答案的时效性和准确性。多轮对话中，用户可能会逐步细化问题，例如从“MTX 用法”到“儿童 MTX 用法”，再到“儿童 MTX 给药后的肝功能监测”，这要求模型能有效管理对话历史，并根据新的约束条件重新检索和聚合信息，同时在提示词中明确指定需要关注的字段与单位，防止模型生成泛泛而谈的回答。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000 tokens | 自身免疫制度文档的专业术语和复杂逻辑较多，需要更大的上下文窗口来保持对话连贯性并理解复杂语境。 |
recall_top_k | 8 条 | 确保能召回足够多的相关文档片段，覆盖制度中可能存在的多个相关章节或条件。 |
rerank_top_n | 3 条 | 经过重排后，筛选出最相关的少数片段，提升最终答案的精准度。 |
similarity_threshold | 0.75 | 兼顾召回率和准确率，避免召回过多不相关内容，同时不错过关键信息。 |
分段长度 | 500 字符 | 制度文档中段落长度适中，此长度有助于保持语义完整性，降低切分造成的语义损失。 |
分段重叠 | 50 字符 | 保证文档分段时的上下文衔接，尤其对于包含交叉引用和前后逻辑关联紧密的制度条文。 |
容易做错的三处
- 现象：系统在多轮对话中对用户提问的
版本号或生效日期约束无响应，返回了过时或不适用的制度内容。原因：提示词中未明确要求模型将版本号和生效日期作为强制检索条件，或者检索系统未配置对这些元数据字段的有效过滤。 - 现象：模型输出的剂量信息缺少单位，或单位错误，导致答案模糊或误导。原因：提示词未明确指示模型在生成答案时必须包含完整的计量单位，或未从召回文档中有效提取单位信息。
- 现象：用户询问某个操作步骤后，模型无法基于历史对话进一步追问其具体风险或注意事项。原因：对话管理模块未能有效将前一轮对话的意图（例如“操作步骤”）与后一轮对话的细化（例如“风险”）关联起来，导致提示词构建时丢失了关键上下文。
怎么确认配好了
- 选择至少 5 个不同疾病领域的自身免疫制度文档，针对其中包含
版本号、生效日期、剂量单位的复杂问题进行多轮对话测试，验证模型是否能始终引用最新且带有正确单位的信息。 - 设计包含专业术语和缩写的问题序列，检查模型在多轮对话中是否能正确识别并维持对这些术语的理解，没有出现概念漂移或混淆。
- 模拟用户从通用问题逐步细化到具体操作步骤、风险评估等环节的对话，核对每次对话模型是否能准确聚焦于新的约束条件，并从文档中召回和整合相关信息。
- 检查日志中每次对话的
input_tokens和output_tokens数量，确保在满足回答质量的前提下，上下文窗口利用效率合理，避免资源浪费。
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。