这个品类的数据长什么样
患者援助项目（PAP）的质量文档数据主要来源于药企内部的法规、医学事务、市场准入等部门，以及合作的慈善机构。这些文档通常包括项目政策、申请指南、审批流程、患者知情同意书、药品发放记录、不良事件报告模板和审计记录。文档更新频率不一，政策性文件可能每半年或每年修订，而患者申请表或发放记录则实时更新。文档结构以非结构化文本为主，如Word、PDF格式的政策文件，也包含结构化数据，如Excel或数据库中的患者信息和用药记录。字段与单位具有高度特异性，例如药品批次号、有效期、患者病历号、诊断编码（如ICD-10）、用药剂量（mg/kg）、援助周期（月/年）以及审批状态（待审、通过、驳回）。
这些特征在「多轮对话与提示词」这一环带来什么约束
患者援助文档的非结构化文本特性，特别是政策和指南文件，要求在多轮对话中能够准确抽取关键信息，例如援助标准、申请材料清单、特定疾病的用药规定。文档更新频率的不一致性，特别是实时更新的患者记录，意味着系统需要具备快速索引和更新知识库的能力，确保对话内容的时效性。高度特异性的字段和单位，如药品剂量和诊断编码，要求提示词设计能够引导模型理解并区分这些专业术语，避免混淆。此外，这类文档常涉及法律法规和隐私保护，对话系统需要严格遵守数据隔离和权限控制，确保在多轮交互中不会泄露敏感信息，并且能够正确引用原始文档来源，以增强回答的可信度和合规性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500-800 字符 | 政策文件和指南的段落语义完整性要求，避免关键信息被截断。 |
召回条数 | 8-12 条 | 确保覆盖多方面政策条款和相关附件，提高召回的全面性。 |
相似度阈值 | 0.75-0.85 | 平衡召回精度与召回率，避免无关条款被引入，同时不错过关键信息。 |
重排返回条数 | 3-5 条 | 聚焦最相关的政策或流程细节，优化最终呈现给用户的回答质量。 |
maxContext | 4096 tokens | 适应复杂政策解读和多轮追问场景，容纳更长的对话历史和召回内容。 |
System Prompt | 包含“作为患者援助项目专家”和“仅基于提供的文档回答” | 明确角色定位，强制模型在合规范围内提供信息，避免幻觉。 |
容易做错的三处
- 多轮对话中模型突然无法回答特定条款的问题，其原因可能是文档分段策略不合理导致关键信息被切分或丢失，影响了召回完整性。
- 用户询问特定药品剂量或诊断编码时，返回的答案缺乏专业性或出现单位错误，这通常是提示词中未能充分强调对专业字段的识别和处理要求。
- 调试预览中 LaTeX 格式的公式能正常显示，但发布后对话框中显示为原始代码，这表明前端渲染组件未正确配置或未集成 LaTeX 解析库。
怎么确认配好了
- 选取至少 10 份典型患者援助政策文件，针对其中关键条款、申请流程、禁忌事项等提问，检查回答是否准确引用原文，并能正确处理多轮追问。
- 输入包含专业术语和单位（如“10mg/kg”或“ICD-10编码”）的查询，核对模型能否正确识别并解释这些信息，同时验证相关回答没有出现单位或数值错误。
- 模拟用户对项目更新频率的疑问，检查系统是否能提示最近的文档更新日期，或指出哪些文档是实时更新的，以此验证数据时效性处理机制。
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。