这个品类的数据长什么样
适应症数据主要来源于药品说明书、临床指南、国家药监局数据库以及专业医学文献。这些数据通常以非结构化文本、半结构化表格或结构化字段的形式存在。更新频率方面，药品说明书和临床指南会因新药上市、临床研究进展或监管政策调整而定期修订，通常为季度或年度更新。文档结构上，药品说明书包含【适应症】、【用法用量】、【不良反应】等标准章节；临床指南则更侧重于疾病诊断、治疗方案及推荐等级。适应症的字段常涉及疾病名称、疾病编码（如 ICD-10）、药物名称、批准状态、特定人群（如儿童、孕妇）限制等，单位通常为文本描述，不涉及复杂的数值单位。
这些特征在「多轮对话与提示词」这一环带来什么约束
适应症数据更新的周期性，要求 FastGPT 的知识库需要定期进行增量更新或重建索引，以确保对话内容的准确性。非结构化与半结构化数据并存，意味着在知识库构建时需要兼顾文本分段与表格抽取，避免信息丢失。例如，同一药物可能在多个适应症中提及，且每个适应症可能对应不同的用法用量或注意事项。多轮对话中，用户可能会从一个适应症追问到相关药物，再追问到药物的不良反应，这要求对话系统能够保持上下文连贯性，并准确从不同知识片段中提取信息。提示词设计需要引导模型识别用户查询中的疾病实体、药物实体，并区分查询意图是获取适应症列表、具体适应症详情，还是适应症相关的用药指导。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 6 | 适应症相关查询常涉及多轮追问，需要保持较长的对话历史，确保上下文连贯性。 |
分段长度 | 400–600 字符 | 药品说明书和临床指南的适应症描述通常较长，避免关键信息被截断。 |
召回条数 | 10 条 | 提升初期召回的全面性，覆盖可能相关的多个适应症或药物信息。 |
相似度阈值 | 0.75 | 确保召回内容的精确性，过滤掉与用户查询关联度较低的文档片段。 |
重排返回条数 | 3 条 | 在多轮对话中，用户通常只关注最直接的几个答案，减少冗余信息。 |
RAG_MAX_TOKEN | 2000 | 适应症的背景信息和说明可能较长，确保能完整送入大模型进行推理。 |
容易做错的三处
- 现象：FastGPT 在多轮对话中无法准确区分用户是在询问药物 A 的适应症，还是药物 B 的适应症。原因：提示词未能有效引导模型识别用户意图中的药物实体，或知识库分段策略导致不同药物的适应症信息混合。
- 现象：用户询问某个适应症的详细信息时，返回的答案中包含大量不相关的内容，或者提示“无法读取该文件”。原因：知识库在处理上传的 XLSX 文件时，未能正确解析表格结构，导致适应症信息无法被有效索引。
- 现象：当用户追问某个适应症的“用法用量”或“不良反应”时，模型无法给出对应信息，或回答与前一轮对话不一致。原因：
maxContext参数设置过低，导致对话历史上下文被截断，模型丢失了对前一轮适应症的记忆。
怎么确认配好了
- 进行多轮对话测试，从一个具体疾病名称开始，逐步追问其对应的药物、用法用量、不良反应等，核对对话流程是否顺畅，信息是否准确连贯。
- 上传新的药品说明书或临床指南文件，观察知识库是否能正确解析并索引其中的适应症信息，然后尝试通过对话提问来验证这些新内容的可用性。
- 设计包含歧义或上下文依赖的查询，例如“那个药的适应症是什么？”，验证模型能否根据对话历史准确识别“那个药”指的是什么，并给出对应的适应症。
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。