这个品类的数据长什么样
血液肿瘤领域的制度与标准操作流程 (SOP) 文档，其数据来源多为国家卫健委、药监局发布的指南，以及各级医疗机构内部制定的规章制度。这些文档的更新频率相对稳定，通常在数月至数年之间，涉及新药审批、诊疗方案更新或管理规范调整时会有集中修订。文档结构以 PDF、Word 居多，内容严谨，包含大量医学术语、缩写、流程图、表格以及剂量单位。例如，化疗方案会明确列出药物名称、给药途径、剂量（如 mg/kg、mg/m²）、给药周期与注意事项。诊断标准会引用国际疾病分类代码（如 ICD-10），并详细描述病理学特征与实验室指标（如 PLT、Hb 值）。
这些特征在「多轮对话与提示词」这一环带来什么约束
血液肿瘤制度文档的严谨性与专业性，对多轮对话的准确性提出了高要求。文档中涉及的医学缩写和专业术语，需要模型具备准确识别和上下文理解能力，避免因歧义导致误解。例如，ALL 既可能是急性淋巴细胞白血病，也可能是过敏性休克，需要结合上下文判断。表格与流程图的存在，意味着需要高效的信息抽取能力，将结构化数据转化为可理解的文本。剂量单位的精确性（如 mg/kg 与 mg/m² 的区分），要求模型在回答时能准确复述或计算，不能随意转换。此外，制度更新的周期性，要求知识库能够快速同步最新版本，确保对话内容的时效性与合规性。多轮对话中可能涉及多个制度条款的交叉引用，需要提示词设计引导模型进行综合判断。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8192 token | 覆盖复杂医疗问题上下文，兼顾模型处理能力 |
分段长度 | 500–800 字符 | 适应制度文档段落长度，减少信息碎片化 |
召回条数 | 8–12 条 | 增加相关制度条款召回概率，确保覆盖面 |
相似度阈值 | 0.78–0.85 | 过滤不相关内容，同时避免遗漏关键制度细节 |
重排返回条数 | 5 条 | 精选最相关条款，提升多轮对话的连贯性 |
temperature | 0.3–0.5 | 保持回复的严谨性与客观性，减少模型幻觉 |
容易做错的三处
- 对话时频繁出现“未能找到相关信息”或回复内容过于泛泛，原因是知识库分段策略不合理，导致制度条款被过度拆分或关键信息丢失。
- 多轮对话中模型突然“失忆”，无法关联前几轮的提问，原因可能是
maxContext参数设置过小，导致历史对话信息被截断。 - 用户提问关于特定药物剂量，模型返回了错误单位或模糊描述，原因是文档预处理时未对表格内剂量字段进行结构化抽取，或者提示词未明确要求单位的精确性。
怎么确认配好了
- 选取涵盖多项制度条款的复杂问题进行多轮测试，观察模型是否能准确引用并整合信息。
- 针对包含医学缩写和专业术语的问题，检查模型回复是否能正确解释其含义，并与制度原文保持一致。
- 模拟制度更新后，上传新版本文档并测试相关问题，确认模型能优先引用最新信息。
- 设计包含剂量、周期等数字单位的提问，验证模型回复的数值与单位是否精确无误。
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。