这个品类的数据长什么样
自身免疫疾病的药物警戒数据主要来源于临床试验报告、真实世界研究（RWE）、个案报告（ICSR）、以及药品监管机构的不良事件数据库（如 FDA 的 FAERS、EMA 的 EudraVigilance）。数据更新频率高，尤其是在新药上市后或有新的不良反应报告时。文档结构复杂，包含非结构化的自由文本描述（如患者病史、不良事件描述、用药情况），以及半结构化或结构化字段（如 MedDRA 编码、药品通用名、剂量、给药途径、不良事件发生日期、结局）。字段中常出现医学术语、缩写、以及不同语言的表述。单位多样，涉及剂量（毫克、克、单位）、频率（次/天、每周）、时间（天、月、年）。
这些特征在「多轮对话与提示词」这一环带来什么约束
自身免疫疾病药物警戒数据的高更新频率要求知识库具备快速同步与增量更新能力，以确保多轮对话基于最新信息。复杂的文档结构和医学术语使得提示词设计需要高度专业化，以准确理解用户查询中的医学概念和上下文。自由文本的存在要求模型在多轮对话中具备强大的信息抽取和归纳能力，将非结构化描述转化为可用于RAG检索的结构化特征。多样的单位和数值表达对模型理解和比较剂量、频率信息构成挑战，需要在提示词中明确指示模型关注数值单位，并进行适当的单位转换或标准化处理。此外，跨语言的医学术语可能需要多语言支持或专门的术语映射。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 6 | 自身免疫药物警戒对话常涉及多个不良事件细节追溯 |
分段长度 | 800–1200 字符 | 确保单个分段能包含完整的不良事件描述或医学概念 |
召回条数 | 10 | 提升召回相关不良反应案例和药物信息的机会 |
相似度阈值 | 0.78 | 平衡召回率与准确性，减少无关信息干扰 |
重排返回条数 | 5 | 进一步精炼结果，聚焦最相关的医学证据 |
promptTemplate | 按实测标定 | 需包含对MedDRA编码、药品信息、剂量等关键信息的引导 |
容易做错的三处
- 多轮对话后模型回答质量下降，表现为信息缺失或不准确。原因在于上下文管理不当，导致早期轮次的有用信息被截断或稀释，模型无法维持对复杂病史或多个不良事件的连贯理解。
- 模型无法从用户输入的Markdown格式消息中有效提取关键信息，或在回复时忽略了用户提出的特定隐藏要求。原因在于提示词未明确指示模型处理或忽略特定的格式标记，导致模型将格式本身作为内容进行解析。
- 查询SQL语句成功但结果未能正确展示到AI对话框。原因在于工作流或集成配置中，SQL查询结果的输出格式与对话模型期望的输入格式不匹配，或者缺少将结构化数据转换为自然语言描述的中间步骤。
怎么确认配好了
- 进行多轮对话测试，验证模型在追溯患者用药史、不良反应发展过程等复杂场景下，能否准确引用先前对话中的关键信息。
- 通过模拟多种包含医学术语、缩写和不同单位的查询，检查模型是否能正确理解并从知识库中召回相关文档，并核对召回文档中的关键字段与单位是否一致。
- 执行一系列带Markdown标记的测试用例，核对模型在接收和发送消息时，是否能按照预期处理或隐藏特定格式的内容，尤其是在涉及敏感信息或内部备注的场景。
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。