这个品类的数据长什么样
供应商审计在药物警戒领域的数据主要来源于审计报告、CAPA（纠正与预防措施）文档、供应商资质文件、质量协议、不良事件报告和药品生产质量管理规范（GMP）符合性证明。这些文档通常以 PDF、Word 或扫描件形式存在，更新频率因供应商评估周期（通常为每年或每两年一次）和事件驱动的 CAPA 流程而异。文档结构复杂，包含大量非结构化文本，如审计发现描述、风险评估、整改计划及完成情况。字段方面，涉及审计日期、审计员、被审计方、缺陷类别、严重程度、整改期限、负责人等，单位多为日期、文本描述或内部定义的等级。
这些特征在「多轮对话与提示词」这一环带来什么约束
供应商审计文档的非结构化特性要求 FastGPT 在向量化处理时，需要更高的分段粒度，以确保关键信息（如具体缺陷描述和整改措施）不被稀释。文档更新频率决定了知识库同步策略，通常采用定时全量或增量更新，避免因信息滞后导致对话结果不准确。审计报告和 CAPA 文档中的专业术语和缩写，需要提示词明确指示模型进行上下文关联和解释。此外，多轮对话中，用户可能会追溯特定审计发现的整改状态，这要求模型能够从多份文档中抽取出相互关联的信息，并进行逻辑整合，例如从审计报告识别问题，再从后续 CAPA 文档中确认解决情况。对审计发现严重程度等分类字段的理解，也需要提示词引导模型准确识别其含义。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 300–500 字符 | 确保审计发现、整改措施等关键信息完整捕获，降低信息碎片化风险 |
召回条数 | 前 8 条 | 考虑到审计文档的关联性，增加召回条数以覆盖更多潜在相关上下文 |
相似度阈值 | 0.78 | 平衡召回率与准确率，过滤掉不相关的背景信息，聚焦核心审计内容 |
maxContext | 8000 tokens | 适应复杂审计问题的多轮对话需求，保持足够长的上下文窗口 |
系统提示词 | 明确指示模型关注审计发现、风险等级、整改计划和完成状态，并能解释专业术语 | 引导模型行为，使其专注于药物警戒审计的关键要素，并提供必要解释 |
重排返回条数 | 前 5 条 | 优化最终呈现给用户的知识片段质量，提高回答的精确性和相关性 |
容易做错的三处
- 对话中出现“无法找到该供应商的最新审计结论”，通常是知识库未及时同步供应商最新审计报告，导致模型检索不到最新数据。
- 模型在回答“CAPA 整改是否完成”时，仅基于审计报告中的计划，未能引用后续的整改完成证明，表现为信息不全面。
- 用户询问特定缺陷的风险等级时，模型给出通用性回答，未能结合文档中定义的等级进行准确判断，原因在于提示词未能有效引导模型识别和应用文档中关于风险等级的分类标准。
怎么确认配好了
- 针对典型审计场景（如“查询供应商A的GMP符合性状态”），进行多轮对话测试，验证模型能否准确引用最新审计报告信息。
- 随机抽取包含复杂专业术语的审计发现，测试模型能否在对话中正确解释其含义或提供相关背景知识。
- 模拟用户追问特定缺陷整改情况的场景，检查模型是否能够从不同文档中关联并整合信息，给出包含整改计划和完成状态的完整回答，并验证其信息来源的准确性。
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。