这个品类的数据长什么样
感染性疾病的药物警戒数据主要来源于国家药品不良反应监测中心、医疗机构病例报告、临床试验报告以及相关学术文献。数据更新频率较高，通常按季度或月度进行汇总发布，部分严重不良事件报告可能实时更新。文档结构以结构化报告和非结构化文本混合为主。结构化部分包含患者基本信息、药品信息（如ATC_CODE、BATCH_NUMBER）、不良反应事件（AE_TERM、SERIOUSNESS_CRITERIA）和结局等字段。非结构化部分是详细的病例描述，可能涉及疾病进展、合并用药、实验室检查结果以及医护人员的观察记录。单位方面，剂量常用mg、g、IU，频率常用次/日，持续时间常用天、周、月。
这些特征在「多轮对话与提示词」这一环带来什么约束
感染性疾病药物警戒数据的高更新频率要求知识库内容具备快速同步和更新机制，以确保多轮对话中引用的信息时效性。结构化与非结构化数据并存的特点，使得提示词设计需要兼顾对特定字段的精确查询与对自由文本的语义理解。例如，用户可能直接询问“某种抗生素引起的光敏反应”，这需要从非结构化描述中提取信息。不良反应事件的专业术语（如AE_TERM）和剂量单位的标准化，要求提示词在解析用户输入时，能将口语化表达映射到专业术语与标准单位，避免因术语不一致导致检索失败。同时，多轮对话中对患者病史、用药史的上下文理解，对于评估不良反应的关联性至关重要。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 2048 token | 确保在处理复杂病例描述时，能保留足够上下文，应对多轮追问。 |
分段长度 | 500 字符 | 兼顾语义完整性与召回效率，避免长段落稀释关键信息。 |
召回条数 | 前 8 条 | 感染性疾病不良反应报告数量庞大，适当增加召回条数可提高相关性。 |
相似度阈值 | 0.75 | 平衡召回率与准确率，过滤掉低相关性的文档片段。 |
重排返回条数 | 前 3 条 | 经过重排后，聚焦于最相关的少数几条信息，减少模型推理负担。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型PDF或结构复杂的病例报告文件时，预留充足解析时间。 |
容易做错的三处
- 在对话中上传病例文件后，系统返回“文件解析超时”错误。原因在于
PARSE_FILE_TIMEOUT_SECONDS参数设置过低，未能覆盖部分复杂或大型文件的解析时长。 - 用户询问“某抗病毒药的肝损伤发生率”，对话机器人未能给出准确数据，而是泛泛地回答了“可能引起肝损伤”。原因在于提示词未明确引导模型从结构化数据字段（如
ADVERSE_EVENT_RATE）中提取具体数值，而是依赖于通用文本匹配。 - 在多轮对话中，用户反复提及同一种病原体感染，但系统在后续回复中未能有效利用这一上下文，导致重复提问或信息遗漏。原因在于对话管理逻辑未充分利用
maxContext参数，或未有效设计提示词以维持对话焦点。
怎么确认配好了
- 选取典型病例报告，模拟多轮对话，验证系统能否准确提取患者主诉、用药史和不良反应事件，并持续追踪关键信息。
- 上传不同格式和大小的感染性疾病相关文献或病例报告，观察文件解析是否成功，并检查解析耗时是否在预期范围内，以此核对
PARSE_FILE_TIMEOUT_SECONDS设置。 - 针对特定药品和不良反应组合，进行查询测试，对比系统返回结果与原始知识库内容，确保
相似度阈值和召回条数能有效检索出相关且准确的信息。
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。