药品说明书RAG智能问答系统的完整技术链路

核心是：把PDF说明书变成可精准检索的知识库，再用多层“关卡”保证回答安全、准确、不胡说。

一、整体定位

典型医疗领域RAG系统：

- 数据源：药品PDF说明书 → 拆块、向量化入库
- 能力：回答用法、禁忌、孕妇/儿童用药、不良反应等
- 核心难点：医疗不能“幻觉”，必须有据可依、风险可控

二、核心流程：九大关卡（从提问到答案）

1. 参数校验：防篡改、防超大请求，先“安检”
2. 约束解析：从问题里抓药品名/分类，识别“问的是哪个药”
3. 意图路由：关键词+规则判断意图（用法/禁忌/孕妇等），用规则不用LLM，稳定、低成本、可解释
4. 问题改写：把口语变成检索式，补全药品名+章节+关键词
5. 检索策略选择：
- 用法/适应症 → 精确过滤（metadata_first）
- 孕妇/禁忌 → 多路高安全检索（safety_hybrid）
6. 多路召回：metadata+摘要+向量三路并查，降低漏检
7. 去重+重排：chunk_id去重；按关键词/章节匹配打分排序
8. 安全评估：规则识别孕妇、儿童、过量等高风险，强制医学提示
9. 答案生成：模板或受控LLM生成，只能依据证据，严禁编造

三、关键技术亮点

- 规则优先：意图、路由、安全用规则，避免LLM幻觉
- 混合检索：元数据+摘要+向量，兼顾精度与召回
- 风险分级：高风险（孕妇/儿童）强提示，中风险（老年/联用）建议医生指导
- LLM受控：生成层强约束，只给结论+依据+建议+来源
- 多药品处理：多药问题分组回答，不混用结论
- 表格修复：专门处理说明书不良反应表格，防止列错乱

四、一句话总结

这是一套医疗级高可靠RAG：用规则控风险、用混合检索保召回、用受控生成防幻觉，把药品说明书变成安全、可追溯、可解释的智能问答系统。

医疗问答系统