这个品类的数据长什么样
智能导诊系统的数据源主要来自医疗机构内部的临床指南、疾病诊疗路径、药品说明书、医学文献以及历史电子病历中的结构化和非结构化文本。这些文档更新频率通常不一，临床指南和药品说明书可能半年到一年更新一次，医学文献则更为频繁。文档结构上，可能包含大量表格、图片、嵌套列表和多级标题。字段与单位具有医学专业性，如药品剂量单位（mg、g、ml）、检验指标单位（mmol/L、U/L）、疾病编码（ICD-10）以及复杂的医学术语和缩写。文档中还常包含大量临床经验描述，这些内容往往以自由文本形式存在，难以直接结构化。
这些特征在「对话日志与审计」这一环带来什么约束
智能导诊文档的更新频率不一，要求对话日志能追溯到生成回答时所依赖的知识版本，以便在知识更新后进行效果对比审计。大量的表格、图片和嵌套列表，使得文档解析过程中可能丢失结构信息，导致对话中对表格数据的引用出现偏差，审计时需核对原始文档与解析结果。医学专业字段和单位的特殊性，要求日志能够记录模型对这些专业词汇的理解与转换过程，防止因单位混淆或术语误解导致的错误导诊。自由文本的临床经验描述，增加了模型理解的复杂性，日志需要详细记录模型在处理这类非结构化信息时的推理路径，以便识别潜在的幻觉或不准确回复。这些特性共同决定了日志记录的粒度、内容和审计的复杂度。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
logLevel | DEBUG | 记录更详细的中间推理步骤，有助于分析复杂医学术语的理解过程。 |
maxContext | 12000 tokens | 智能导诊对话中常涉及多轮追问和复杂病史，需要更长的上下文保持连贯性。 |
auditRetentionDays | 365 天 | 医疗数据合规性要求较高，需长期保留对话记录用于追溯和风险评估。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 研发文档通常较大且复杂，解析过程耗时，需要更长的超时时间避免中断。 |
recallThreshold | 0.75–0.85 | 确保召回的医学知识相关性高，降低误导风险，具体值按实测标定。 |
segmentLength | 800–1200 字符 | 医学文档内容密度高，适中的分段长度有助于保持语义完整性，避免关键信息被截断。 |
容易做错的三处
- 对话中出现对药品剂量或检验指标单位的混淆，例如将“mg”误读为“g”或反之，原因在于文档解析时未正确识别或标准化单位字段。
- 用户提问某个疾病的诊疗路径，模型回复的内容逻辑混乱或缺失关键步骤，日志显示召回的知识片段不完整，原因在于原始文档中的多级标题和嵌套列表结构在切片时被破坏。
- 前端界面输出的导诊建议不完整，刷新后才显示全部内容，日志中没有明确报错，原因可能为
maxContext配置过低，导致模型输出中断，或者网络传输过程中分块传输机制导致前端渲染延迟。
怎么确认配好了
- 随机抽取多份包含表格、图片和嵌套列表的研发文档，上传至平台，检查文档解析后的文本内容是否完整保留了原文的结构信息和关键字段。
- 构造包含医学专业术语和单位的提问，观察模型的回复是否准确理解并使用了正确的单位和术语，并通过对话日志追溯模型对这些词汇的处理过程，确认无混淆。
- 模拟不同复杂度的导诊场景，检查对话日志是否完整记录了每一轮对话的输入、输出、模型推理路径和所引用的知识片段，并与原始文档进行比对，验证引用的准确性。
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。