这个品类的数据长什么样
医药电商的药物警戒数据主要来源于药品销售记录、用户咨询反馈、在线评价、药品说明书以及公开的药物不良反应数据库。数据更新频率较高，尤其是在新药上市或药品批次更新时。文档结构通常包含结构化的销售订单、用户档案，以及半结构化或非结构化的用户反馈文本。字段方面，常见的有药品通用名、批号、生产厂家、购买日期、购买数量、患者年龄、性别、过敏史、用药症状描述、不良反应类型、严重程度、处理措施等。单位方面，剂量常以毫克（mg）、克（g）、毫升（ml）计，频率以每日次、每周次计，时间单位包括天、小时等。
这些特征在「多轮对话与提示词」这一环带来什么约束
医药电商的药物警戒场景，其数据特征对多轮对话和提示词设计提出了特定要求。首先，药品信息的专业性和严谨性要求对话系统在理解用户意图和生成回复时，必须精确引用或提取知识库中的药品说明书内容，避免模糊或误导性表述。其次，用户反馈中常含有非结构化的症状描述，这需要提示词能够引导模型进行有效的信息抽取，例如识别疾病名称、症状关键词、用药量和时间等。高频更新的数据源意味着知识库需保持同步，提示词应能指示模型优先检索最新数据。此外，用户可能提及多种药品或症状，多轮对话需维持上下文一致性，确保每次交互都能准确关联到之前的讨论，避免信息丢失或混淆。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000 tokens | 确保能承载多轮对话的上下文信息和较长的药品说明 |
相似度阈值 | 0.75 | 提高知识库召回的精准度，减少不相关信息干扰 |
召回条数 | 5 条 | 覆盖潜在相关知识点，为模型提供更全面的参考 |
分段长度 | 500 字符 | 兼顾文本语义完整性与向量检索效率 |
重排返回条数 | 3 条 | 优先展示与用户意图最相关的核心信息 |
temperature | 0.5 | 保证回复内容的准确性和稳定性，避免过度发散 |
容易做错的三处
- 模型返回“Connection Error”或“Gateway Timeout”。原因通常是与上游模型服务连接不稳定，或请求体过大导致超时。
- 回复中未能准确识别用户提及的药品名称或症状。原因在于提示词对实体识别的引导不足，或知识库中相关词条覆盖不全。
- 多轮对话中，模型无法延续前几轮讨论的上下文，导致回复脱节。原因可能是
maxContext设置过小，或提示词未能有效指令模型保持对话状态。
怎么确认配好了
- 进行多轮对话测试，验证模型是否能持续理解并回应与药品、症状相关的上下文信息。
- 输入包含多种药品名称和症状的复杂查询，检查模型是否能准确识别所有关键实体并给出相关知识。
- 故意引入易混淆的药品名称或症状描述，观察模型是否能通过知识库检索或追问来澄清。
- 定期更新知识库后，测试模型是否能引用到最新的药品信息或不良反应数据。
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。