Page 103 - 《中国药房》2026年2期

知识库结构chunks Score值 结论 检索-语言模型处理-输出”。在“知识检索”节点中接入
“—”+适应证+正文 召回失败 知识库chunks必须完整表示“客体A-关系-客体B”，尤其 已构建的知识库；“语言模型处理”选择 DeepSeek-R1-
是客体的主题，否则容易召回相似的注射用伏立康唑适应
伏立康唑片+“—”+正文 0.68 证（Score值0.7），导致回答错误 32B，并将知识检索返回的 chunks 作为上下文输入；经
伏立康唑片*1次+适应证+正文 0.73 DeepSeek-R1-32B对上下文与用户问题进行语义匹配与
伏立康唑片*5次+适应证+正文 0.71 单独客体A的频次增加会拉低Score值 信息提炼后，生成结构化答案并直接输出。提示词设计
伏立康唑片适应证*1+正文 0.73 药品说明书语义不同的内容划分为不同的chunks，可以提 嵌于“语言模型处理”节点，其核心指令如下：基于所检
伏立康唑片适应证+正文1+ 0.31
伏立康唑用法用量+正文2 高Score值 索的知识库（即上下文）找出与问题相关的语句进行提
伏立康唑片适应证*1+正文 0.73 炼，去除无关信息；如果没有找到相关信息，则反馈“本
伏立康唑片适应证*2+正文 0.75 “客体A+关系”组合的频次增加可以提高Score值 地知识库没有找到相关资料，请联系静配中心药师进行
伏立康唑片适应证*5+正文 0.77
伏立康唑片适应证*5+正文 0.77 维护”，避免 LLM 脱离本地知识库给出不切合实际的
正文1+伏立康唑片适应证... 0.72 答案。
正文5+伏立康唑适应证 检索相关语句位于正文起始位置的Score值更高 3 平台运行情况和验证
正文+伏立康唑片适应证*5 0.71
伏立康唑片适应证*1+正文 0.73 3.1 药学智能问答平台运行及维护
本段内容主要描述了伏立康唑 正文起始位置添加该知识库chunks概括性语句可以提高 我院基于 Dify 平台构建的药学智能问答平台实现
0.75 Score值
片的适应证+正文
了对本地知识库的精准检索与自动化问答。该平台能
－：召回失败。 够快速定位药品说明书中的相关内容，并对检索结果进
图2 不同知识库结构chunks的召回测试结果示例
行提炼、推理和整合，生成具有临床参考价值的回答；同
1.5
时，该平台可同步展示药品说明书原文，便于医务人员
测试1
测试2 查阅和比对，从而保证答案的可靠性，有效降低了可能
1.0 测试3
Score值 出现的“AI 幻觉”风险；此外，该平台还可生成访问链接
0.5 并嵌入医院信息系统的下拉菜单，实现全院范围内的实
时访问与调用。
0 为确保平台内容的安全性与可控性，本地知识库不
0 500 1 000 1 500 具备自主学习能力，并部署于医院内部网络环境，彻底
chunks字符长度/tokens
图3 不同chunks长度对应的Score值 隔绝外网访问带来的潜在风险。当系统识别到知识缺
失时，会自动提示后台专业人员进行审核与补充，以保
下文的关联，应先将表格内容、表格标题、表格备注剪切 证知识内容的准确性、及时性与可追溯性。针对新增药
处理，统一提取并编号，按照编号匹配放在对应文本的 品，我院实行优先更新机制，确保其药品说明书及相关
最后位置，使文本内容和表格内容分区处置。其中，表
资料在进院24 h内完成录入并纳入知识库，以满足临床
格标题增加备注信息“本段内容主要描述了”&药品名称
即时查询需求。
（x）+标题，每个表格单独划分为二级标题，用“##”标记。
3.2 药学智能问答平台定量检索准确性验证
特殊复杂表格存在一行对应多列或者一列对应多行等
药物达峰时间（tmax ）是反映药物吸收速度的重要药
情况，需先行判断行列总数，确保正确的映射关系。
动学参数，直接影响起效时间和给药方案的设计；药物
通过预先设定上述处理规则，我院 1 120 份药品说
半衰期（t1/2 ）则用于指导给药间隔，以维持血药浓度在治
明书在2 min内完成了一键转换与标准化切分。
2.4 构建本地知识库 疗窗内，兼顾疗效与安全性。本研究选择 tmax与 t1/2作为
客观指标，用于评价我院构建的药学智能问答平台信息
本研究在完成药品说明书的清洗与标准化处理后，
检索的准确性和临床适用性。本研究从我院275种非复
将其以 markdown 格式上传至 Dify 平台构建本地知识
方口服制剂中，采用随机函数抽取20种药品，分别查阅
库。构建过程中，分段标识符选择“##”，分段最大长度
设置为 4 000 tokens，并设置 100 tokens 的分段重叠长度 其说明书中的 tmax及 t1/2，并将相同问题分别输入药学智
以确保上下文的连续性。文本向量化采用GLM4，检索 能问答平台和在线版 DeepSeek 进行对比。结果（表 1）
方式选择混合检索，使用BGE-Reranker-v2-m3对文本和 显示，我院药学智能问答平台给出的答案与药品说明书
向量检索的结果进行语义相似性匹配与重新排序，检索 完全一致，tmax与t1/2准确率均为100%；而在线版DeepSeek
结果设置为 Top K＝10（即 Score 值排名前 10 位），Score 结果中 tmax 准确率为 30%（6/20），t1/2 准确率为 50%（10/
2
阈值设定为0.5，以平衡召回率与准确率。 20）。二者差异具有统计学意义（tmax准确率比较，χ ＝
2
2.5 智能问答工作流的构建 21.53，P＜0.001；t1/2准确率比较，χ ＝13.33，P＜0.001），
在Dify平台中构建智能问答工作流，采用Chatflow 提示该平台在药学参数的检索和回答方面具有较高的
模式进行流程搭建，工作流包括“开始-问题分类器-知识 准确性与可靠性。

中国药房 2026年第37卷第2期 China Pharmacy 2026 Vol. 37 No. 2 · 229 ·