合理用药研发文档结构化解析的多轮对话与提示词

这个品类的数据长什么样

合理用药领域的数据主要来源于药品说明书、临床指南、药物相互作用数据库、不良反应报告以及药理学文献。这些文档更新频率不一，药品说明书可能随批次或注册变更而更新，临床指南通常每年或每数年修订一次，而不良反应数据则持续累积。文档结构上，药品说明书通常包含通用名称、适应症、用法用量、禁忌、不良反应、药物相互作用等固定章节。临床指南则以章节、小节和具体建议的形式组织。字段方面，涉及药物名称、剂量单位（如 mg、g、IU）、频次（如 qid、bid）、给药途径（如 口服、静脉注射）、疾病编码（如 ICD-10）、药品编码（如 NDC）等。单位的精确性对于避免用药错误至关重要。

这些特征在「多轮对话与提示词」这一环带来什么约束

合理用药研发文档的特性对多轮对话与提示词带来了特定约束。首先，数据更新的非同步性要求知识库具备版本管理能力，以确保检索到的信息是最新的，避免基于过时数据进行多轮交互。其次，文档结构化程度高，使得在多轮对话中，AI 需要精确理解用户意图，并从特定章节或字段中提取信息，例如用户询问“阿司匹林的禁忌症”，AI 应直接定位到说明书的“禁忌”章节。单位和字段的严谨性要求提示词设计时，需强调对数字和单位的准确识别与解析，避免混淆 mg 和 g。此外，药物相互作用的复杂性，使得多轮对话可能涉及交叉查询多个药物信息，提示词需引导AI进行多实体关联推理。

配置怎么定

配置项	建议取法	这样取的依据
`maxContext`	`4096 tokens`	合理用药查询常涉及多药联用和复杂病史，需要较长上下文维持多轮对话的连贯性，并包含足够多的历史对话信息。
`分段长度`	`800–1200 字符`	药品说明书和临床指南章节内容相对独立且信息密度高，此长度有助于保持语义完整性，减少切分引入的歧义。
`召回条数`	`前 8–12 条`	确保在复杂查询（如药物相互作用）时能覆盖到足够多的相关文档片段，提高召回率。
`相似度阈值`	`0.75`	药物名称、剂量等核心信息匹配度要求高，此阈值能有效过滤低相关性结果，保证准确性。
`重排返回条数`	`5 条`	在召回的基础上，进一步精选出最相关的结果，减少AI处理冗余信息，提高生成回答的效率和准确性。
`PARSE_FILE_TIMEOUT_SECONDS`	`600 秒`	处理大型临床指南或复合文档时，解析过程可能较长，给予充足时间避免超时失败。

容易做错的三处

对话过程中，AI 无法准确区分不同药物的相同适应症，导致回答混淆。这是由于知识库索引时未充分利用文档中的药品编码或通用名进行多维度关联。
用户询问特定剂量时，AI 返回的数值单位错误或缺失。这通常是由于提示词中未明确要求AI严格校验并输出数值的单位，或知识库未将单位作为独立字段进行抽取。
多轮对话进行到第三轮后，AI 回答开始偏离主题或重复信息。原因在于 maxContext 设置不足，导致历史对话信息丢失，AI 无法维持对话上下文。

怎么确认配好了

随机抽取 20 个包含剂量、单位、频次的查询，验证 AI 回答中数值和单位的准确性，确保与原始文档一致。
模拟 10 组涉及 3 种及以上药物相互作用的复杂多轮对话，观察 AI 是否能正确关联并给出合理建议，通过专家评审验证结果的临床可靠性。
测试 5 个跨章节、跨文档的知识点查询，检查 AI 能否在多轮对话中有效切换上下文，并从不同来源整合信息，判断 maxContext 是否满足需求。

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。