这个品类的数据长什么样
DTP 药房（Direct-To-Patient）的研发文档数据主要来源于药企临床试验报告、药物说明书、药师培训手册、患者用药指南以及药品监管机构发布的各类文件。这些文档的更新频率取决于新药上市、适应症扩展或法规变更，通常为季度或半年度更新，涉及紧急变更时会更频繁。文档结构复杂，包含大量专业术语、剂量单位、药理机制描述、不良反应列表和相互作用信息。常见的字段包括：药品通用名、商品名、适应症、用法用量、禁忌症、不良反应、药物相互作用、贮藏条件、生产企业、批准文号、批次号等。剂量单位常涉及毫克（mg）、毫升（mL）、国际单位（IU）等，时间单位为天（天）、小时（小时），且常伴随复杂的给药方案描述。
这些特征在「多轮对话与提示词」这一环带来什么约束
DTP 药房研发文档的复杂性对多轮对话的准确性和提示词的构建提出了具体要求。首先，文档中高密度的专业术语和交叉引用，要求系统能有效识别并关联不同文档中的概念，避免在多轮对话中因语义漂移而导致信息失真。其次，药物剂量和给药方案的精确性，使得提示词需要精确引导模型提取数值和单位，并能处理数值范围或条件判断。例如，当用户询问“某种药物儿童用量”时，模型需要从多个年龄段和体重区间中找到对应的剂量。此外，频繁的文档更新意味着知识库需要动态同步，多轮对话系统必须能够快速索引最新版本，防止提供过时信息。对患者用药指导的场景，系统需要避免直接给出诊断或治疗建议，提示词需强化其作为信息辅助工具的定位。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8 | 确保在复杂药物相互作用查询中，能覆盖足够多的历史对话轮次，以维持上下文连贯性。 |
similarityThreshold | 0.75 | 针对高度专业化的医学术语，提高相似度阈值有助于召回更精确的文档片段，减少无关信息的干扰。 |
top_n | 5 | 召回前 5 条相关文档片段，平衡召回效率和信息完整性，满足药师快速检索需求。 |
prompt | 包含“仅基于提供的文档回答，避免推断或提供医疗建议” | 约束模型行为，避免在回答中生成超出知识库范围的猜测性内容或直接的医疗指导。 |
chunkSize | 500-800 字符 | 考虑到研发文档中长段落和复杂表格较多，适当增加分段长度，保证关键信息不被截断。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型临床试验报告或药物说明书时，给予足够的解析时间，避免因文件过大导致解析失败。 |
容易做错的三处
- 现象：多轮对话中，用户询问某个药物的禁忌症，但系统回答中混入了不良反应信息。 原因：提示词对不同信息类型的区分度不足，或者文档分块时禁忌症与不良反应信息被分在同一块，导致模型混淆。
- 现象：用户在免登录链接删除对话内容后，后台日志中的对应对话记录仍然存在。 原因：
chatId参数在 API 调用中未正确传递，或后台日志系统未与前端删除操作进行有效同步，导致日志记录与实际用户操作不一致。 - 现象：用户询问某个药物的特定批次信息，系统无法给出准确答案，或提示信息过期。 原因：知识库更新不及时，或文档解析时未能正确提取并索引批次号等时效性强的字段。
怎么确认配好了
- 进行多轮对话测试，验证当用户在对话中提及药品通用名、适应症、用法用量等核心字段时，系统能否准确理解并基于文档内容给出一致性回答。
- 模拟用户查询复杂药物相互作用的场景，检查模型在多轮对话中是否能保持上下文连贯性，并根据历史对话内容逐步细化回答，避免重复或自相矛盾。
- 检查后台日志，确保每次对话的
chatId都能正确记录，并且用户删除对话后，后台日志中对应的记录能被正确标识或移除。
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。