这个品类的数据长什么样
禁忌与相互作用数据通常来源于药品说明书、药典、临床指南、以及专业的药学数据库。数据更新频率较高，尤其新药上市或临床研究进展会触发更新，通常以季度或半年度为周期。文档结构以结构化或半结构化为主，例如 JSON、XML 或数据库记录。核心字段包括药品名称、活性成分、禁忌症（疾病、生理状态）、相互作用药物、相互作用类型（药效学、药代动力学）、严重程度、处理建议等。单位方面，剂量信息常涉及毫克（mg）、毫升（mL）等，但禁忌与相互作用更侧重于定性描述和分级。
这些特征在「多轮对话与提示词」这一环带来什么约束
禁忌与相互作用数据的高度结构化特点，要求多轮对话在信息提取时精准匹配字段，例如识别用户提及的药品名称和疾病状态。多轮对话需要支持对多种药品名称的识别和交叉比对，处理同义词、简称以及不同剂型。由于交互信息的重要性，提示词设计需强调用户提供完整和准确的药物列表，包括正在服用的所有药品，以避免漏报。此外，相互作用的严重程度分级和处理建议，要求提示词在回答时能清晰传达风险等级，并引导用户关注专业医师建议，确保信息传递的严谨性。高更新频率的数据，也要求提示词能引导模型优先召回最新版本的数据。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
召回条数 | 前 5–8 条 | 确保覆盖潜在的多个相互作用或禁忌信息，同时避免无关信息干扰。 |
相似度阈值 | 0.75–0.85 | 提高召回结果的精确性，过滤掉不相关的药物或禁忌描述，降低误报。 |
分段长度 | 400–600 字符 | 适应药品说明书或专业数据库中禁忌与相互作用描述的常见长度。 |
maxContext | 6 | 保留足够的回合历史，便于用户提供多种药物信息或追问不同药物的相互作用。 |
提示词温度 | 0.3–0.5 | 降低模型生成内容的发散性，确保回答的准确性和严谨性，避免臆造信息。 |
JSON Schema | 按实测标定 | 强制模型输出结构化回答，便于后续程序化解析和展示关键信息，例如相互作用药物、严重程度。 |
容易做错的三处
- 模型无法识别用户提及的多种药物并进行交叉查询，原因是提示词未明确要求模型识别并列药物，模型仅关注了最近提及的药物。
- 模型在回答中遗漏了相互作用的严重程度或处理建议，原因是检索出的原始数据中这些关键字段未被提示词有效引导模型进行整合和输出。
- 用户提问后长时间未收到回复或返回乱码，原因是
JSON Schema设置过于复杂，导致模型无法按要求生成格式化输出，触发解析失败。
怎么确认配好了
- 测试不同药品组合，验证模型是否能准确识别所有药物，并检索出对应的相互作用信息，核对检索结果与数据源一致。
- 针对已知有严重相互作用的药品对进行测试，检查模型回答是否包含相互作用的严重程度分级和明确的处理建议，并与最新药典内容进行比对。
- 测试多轮对话场景，连续追问不同药物的禁忌或相互作用，观察模型是否能保持上下文记忆，并基于历史对话提供连贯且准确的回答。
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。