腾讯医典知识库问答

解决什么问题

把大模型直接接进医疗知识库，常见会遇到两类麻烦：一是模型靠参数记忆硬答，容易编造或引用过时内容；二是接入流程繁琐，需要申请密钥、配置环境、处理鉴权，工程师排查问题时还要面对一堆内部错误码。这个技能的目标是让对话机器人能像查资料一样调用腾讯医典的官方科普知识库，并且安装后即用，不需要任何凭证。

对用户来说，体验是：问一句「布洛芬的禁忌有哪些」，得到的是基于医典内容的结构化回答，附带参考来源；问「小孩发烧多少度该去医院」，能得到明确的处理建议。对开发者来说，体验是：不需要写 SDK 封装，不需要管理 token，查询通过一次 curl 完成。

核心能力与工作流程

技能的核心是一个「检索—整合—输出」的闭环：

• 触发判断：识别医疗健康类问题（疾病、症状、用药、检查、就医、中医等），非医学问题直接走固定文案，不浪费一次查询。
• 真实检索：每次用户提问都通过 Bash 执行一次真实的 curl 请求，参数包括清洗后的 query、固定的返回条数，以及平台归因标识 source。判断能否查询的唯一依据是本轮调用的真实返回，而不是上下文记忆——即使上一轮失败，下一轮也必须从头重试。
• 答案整合：拿到文档后按答案生成的 system prompt 组织语言，只引用、不编造，资料不足时走固定兜底文案。
• 参考来源：从返回文档中按 URL 去重，最多渲染 6 条带链接的来源，链接内已包含归因参数，不做改写。
• 容错机制：网络抖动或瞬时 5xx 时静默重试最多 2 次；确认失败后输出固定文案，且绝不向用户暴露 traceid、错误码或任何内部状态。

一个容易被忽略的工程细节是「查询与答案分离」：curl 只是取数工具调用，答案正文必须作为一段独立的完整回复输出，首句先给结论。否则答案容易被折叠进工具执行区块，用户只看到一句空泛的总结。

适用边界与注意点

• 只做科普，不做诊断：技能面向健康知识问答，遇到含年龄、性别、既往病史的个性化诊疗决策（例如「50 岁糖尿病患者头晕怎么办」）或联合用药咨询，不会触发检索。
• 不替代就医：回答末尾始终附带医疗免责声明，急症场景会给出明确的就医提示。
• 固定文案不可加工：服务异常、参数错误、无结果等分支都有一字不改的兜底文案，不允许自行补充「操作建议」或追问，这是为了保证异常路径下的用户体验一致。
• 返回条数有上限：参考来源最多 6 条，过于宽泛或知识库无相关内容的问题会直接走「资料不足」分支，而不是硬凑答案。