药物经济学质量文档的多轮对话与提示词

这个品类的数据长什么样

药物经济学质量文档主要包含药物临床试验报告、药物上市申请材料、卫生技术评估（HTA）报告、药物使用指南等。这些文档通常以 PDF、Word、Excel 等格式存在，内容涵盖药物的临床疗效、安全性、成本、成本效益分析、预算影响分析等。数据来源广泛，包括临床研究数据、真实世界数据、政府机构发布的数据、以及第三方数据库。更新节奏相对稳定，一般随药物生命周期节点（如上市、适应症扩展、价格调整）或国家政策变化而更新，通常为季度或年度更新。文档结构复杂，包含大量专业术语、图表、统计数据，并且不同报告之间存在引用关系。关键字段包括药物名称、适应症、治疗方案、治疗效果指标（如 QALY、LYG）、成本构成（如药品采购成本、诊断费用、住院费用）、单位成本、折扣率、敏感性分析参数等。

这些特征在「多轮对话与提示词」这一环带来什么约束

药物经济学文档的复杂性和专业性对多轮对话的上下文管理和提示词设计提出了高要求。文档中频繁出现的缩写和专业术语需要模型具备强大的实体识别和消歧能力，以确保对话理解的准确性。大量的数值数据和单位（如美元/QALY、年、%）要求模型在抽取和计算时能正确识别并处理，避免单位混淆导致的错误。由于文档更新频率相对固定，知识库需要定期维护和增量更新，以保证对话内容的及时性。此外，不同文档间的交叉引用需要多轮对话系统能够跨文档进行信息整合，例如，在讨论某个药物的成本效益时，可能需要同时参考其临床试验数据和HTA报告。这要求提示词设计时，能够引导模型在多源信息中进行逻辑推理和归纳，以支持对复杂问题的深入探讨。

配置怎么定

配置项	建议取法	这样取的依据
`maxContext`	`10`	药物经济学对话常涉及复杂推理，需较长历史对话维持上下文，防止核心信息丢失。
`分段长度`	`800–1200 字符`	确保单个分段包含完整的逻辑单元或关键数据点，例如一个成本效益分析的段落。
`召回条数`	`前 8 条`	提高从大量专业文档中召回相关信息片段的概率，覆盖更多潜在关联数据。
`相似度阈值`	`0.78`	药物经济学术语专有性强，此阈值有助于过滤掉低相关性的文档片段，提高精度。
`重排返回条数`	`前 5 条`	在初次召回基础上，通过重排进一步提升最相关信息的排序，优化模型输入质量。
`模型温度`	`0.3`	药物经济学问答需严谨客观，较低温度使模型输出更聚焦于知识库内容，减少发散。

容易做错的三处

对话过程中模型无法识别或误解了药物名称、治疗方案等关键实体，导致回答偏离主题或逻辑错误。原因在于知识库分段粒度过大或过小，未能有效捕获实体上下文，同时提示词未充分引导模型进行实体识别。
用户提问关于特定药品的成本效益时，模型仅能给出部分成本数据，而无法提供完整的效益评估。原因在于知识库中关于效益评估的文档未被正确索引或提示词未能有效触发多文档关联检索。
在多轮对话中，模型无法记住前几轮讨论过的特定药物参数或计算结果，导致重复询问或逻辑中断。原因在于 maxContext 参数设置过小，限制了模型对历史对话信息的记忆容量。

怎么确认配好了

针对典型的药物经济学问题（如“某药物的ICER是多少？”），在多轮对话中测试模型能否准确抽取并呈现关键数值和单位，并能基于前文信息进行追问。
模拟用户对特定药物的成本构成、疗效数据等进行深入提问，检查模型是否能从不同的知识文档中整合信息并给出连贯、逻辑一致的回答。
通过输入包含专业术语和缩写的问题，观察模型是否能正确理解并给出相关解释或数据，这可以通过检查模型输出中是否包含了知识库中的术语定义来判断。
测试不同复杂度的药物经济学情景问题，评估模型在保持上下文一致性的前提下，进行多轮推理和信息提取的能力，确保对话的流畅性和有效性。

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。