多轮对话实体绑定故障复盘
日期：2026-09-12 范围：药盒后端对话理解层（src/chat/understanding.py）
背景：理解层用 qwen-flash 做"意图决策 + 检索必要性 + 独立问题生成"，独立问题的
药品实体绑定（指代消解）连续暴露三类故障，两轮迭代修复。测试集见
docs/当前问题与修复计划.md 附录及测试记录（scripts/template.html）。
一、三次故障对照表
| 故障 1（Case-1-3） | 故障 2（Case-2-2） | 故障 3（Case-2-3 轮4） | |
|---|---|---|---|
| 输入 | 曲普瑞林→"该药老年要调剂量吗" | 普卢格列汀→鲁兹诺雷钠→"回到刚才那个药" | 奥布替尼→"今天好热啊"→"这些指标异常怎么办" |
| 错误绑定 | 法米替尼（上上轮） | 鲁兹诺雷钠（最近一轮） | 丢失实体（query 无药名→拒答） |
| 应该绑定 | 曲普瑞林（最近一轮） | 普卢格列汀（回切） | 奥布替尼（跨闲聊回指） |
| 现象定性 | 实体绑定错误："认错人" | 回切指代失败 | 跨闲聊回指失败 |
概念澄清：这不是"记忆丢失"（窗口里内容都在），也不是"记忆混乱"（答案内容没被污染），
而是实体绑定错误------记忆完好，但指代词归因到了错误实体。
二、三个根因
根因 1（模型层）：弱模型注意力按"语义相关性"分配，不按"时间顺序"分配
故障 1 中，历史里法米替尼刚讲过"剂量下调至 10mg"，与"调整剂量"四字强共振；
曲普瑞林轮全文没有"剂量"二字。语义上法米替尼"更相关"，模型就把它当成了"该药"。
且当时历史是平铺文本（用户：...\n助手：...），模型连"谁是最近话题"都看不见。
根因 2（修复方式层）：单一铁律过度拟合了上一个故障
第一轮修复定的规则是"代词一律绑最近一轮"，堵住了语义劫持，却恰好判反了两个新场景：
- 回切指代（Case-2-2）："刚才"在 A→B 语序里指 A 不是 B，"一律绑最近一轮"判反
- 跨闲聊回指（Case-2-3）：最近一轮是闲聊（"今天好热啊"），没有药品实体可绑，铁律失效后模型丢锚
教训：指代绑定不是一个规则，是一张决策表 （顺承 / 点名 / 回切 / 跨闲聊回指），
修 bug 不能只堵已知的洞------prompt 工程里同样存在 overfitting。
根因 3（链路层）：理解层丢锚会层层放大
故障 3 的完整链条：
闲聊轮打锚 → 独立问题无药名 → 检索锁不了实体 → 只能吐无药名拒答
（"暂未找到该药品的说明书信息"------连药名都没有，佐证 query 在理解层已丢实体）理解层是链路最上游，它错一个词，下游检索、拒答守卫全部按错误前提运转。
修 bug 要修最上游的病灶，下游（检索层）是无辜的。
三、解决方法（两轮迭代，全部在 understanding.py 的 prompt 内）
第一轮（治故障 1）
- 历史文本加轮次锚 （
_history_text）：平铺文本改为
【第1轮】...【第3轮·最近一轮】标注，让模型看见时间 - prompt 加实体绑定规则 + 同构反例（few-shot 给标准答案模仿）
第二轮（治故障 2、3）：单一铁律升级为四级绑定决策
① 明确点名药品 → 绑点名的药（"法米替尼呢"）
② 回切表述 → 绑上一个讨论过、非最近一轮的药（A→B 后"回到刚才那个药"= A）
③ 代词/省略 → 绑【最近一轮】的药（语义再相似也不许绑更早的）
④ 最近一轮是闲聊 → 向前回溯最近一个含药品实体的轮次并把挂掉的真题直接做成 few-shot 反例（回切场景 + 跨闲聊场景各一条）------
每出一个故障，沉淀一条反例进 prompt，回归资产越滚越厚。
四、元规律
- 修 bug 别只堵已知的洞 ：第一轮修复被测试集 2 的两种新场景立刻打脸，
反对 overfitting 修复的原则在 prompt 工程里同样成立 - 弱模型矫正三板斧 ：输入结构化（轮次锚）+ 规则显式化（决策表）+ few-shot 示例
（看一遍标准答案胜过读十条规则）------成本近零，不换模型、不动架构 - 这类错误是静默的 ：不报错、语气笃定、排版漂亮、内容自洽（法米替尼的剂量建议
被安到吃曲普瑞林的老人身上，护理员无从察觉），比拒答类故障危险得多 - 唯一防线是回归用例 ：每次 prompt 改动后，新建会话全量重跑测试集，
重点盯"上一次修复不能被下一次修复改坏"（Case-2-1 四连锁定的回归即为此设）
多轮对话测试集（药品RAG场景）
设计目标：覆盖指代、省略、追问、转折、切换实体、回退、歧义、边界异常case ，全部是多轮上下文依赖，不能单轮独立回答。
使用说明：
- 按顺序一轮一轮提问；
- 重点观察两点：①检索侧是否拿到正确药品实体；②生成层是否读懂上文，不会出现"请告诉我具体药品名称"这种失忆；
- 预期输出标注；可以用来回归测试你修复后的NLU、实体继承、生成上下文、元数据过滤、拒答守卫。
分为4大类：基础指代追问、复杂多轮跳转、边界异常场景、混淆干扰场景。
下面是用到的测试集
测试集1：基础代词/省略追问（复现你线上故障："我听不懂你说的这些是啥意思"）
Case‑1‑1
轮1：奥布替尼有哪些药物相互作用？
轮2：我听不懂你说的这些是什么意思。✅预期：识别"这些"指代奥布替尼的药物相互作用；检索限定奥布替尼；用通俗语言解释；不召回其他药品；不会回复"请提供药品名称"。
Case‑1‑2
轮1：请讲一下法米替尼的不良反应
轮2：那它禁忌是什么？
轮3：上面这些需要重点监测哪些指标？✅预期：轮2代词"它"继承法米替尼；轮3"上面这些"继承前面不良反应+禁忌，实体始终锁定法米替尼。
Case‑1‑3（"该药、此药"变体）
轮1：曲普瑞林适合哪些人群？
轮2：该药在老年患者需要调整剂量吗？✅预期：正确继承曲普瑞林，不要空实体放行。
测试集2：多轮递进追问（连续多轮上下文，逐步深挖）
Case‑2‑1 连续深挖4轮
轮1：阿帕替尼的用法用量
轮2：肝功能不全要怎么调整？
轮3：如果出现血压升高该如何处理？
轮4：那和抗凝药联用要注意什么？✅预期：全程实体锁定阿帕替尼；每一轮的问题都依赖上文，不能失忆，不能混入别的药品chunk。
Case‑2‑2：先问A，追问B，再切回A（非常容易丢实体）
轮1：普卢格列汀的主要副作用是什么？
轮2：那鲁兹诺雷钠禁忌症？
轮3：回到刚才那个药，漏服怎么办？✅预期：轮3"刚才那个药"指普卢格列汀；不要继承上一轮的鲁兹诺雷钠。
Case‑2‑3：长距离指代，中间插入无关闲聊
轮1：奥布替尼服用需要监测哪些实验室指标？
轮2：帮我总结3条关键点
轮3：今天好热啊
轮4：那这些指标异常之后怎么处理？✅预期：跳过闲聊，"这些指标"仍然指向奥布替尼的监测指标；不要因为中间闲聊丢失会话实体。
测试集3：边界&异常case（重点测守卫、实体继承失效、拒答分支）
Case‑3‑1：第一轮有实体，第二轮完全无实体，纯指代（你线上bug复现用例）
轮1：奥布替尼有什么禁忌？
轮2：能再通俗讲一遍吗？✅预期：继承奥布替尼；不要返回"请告诉我药品名称"。
Case‑3‑2：会话切换新药品，覆盖旧实体
轮1：奥布替尼不良反应
轮2：说一说阿帕替尼的服用注意事项
轮3：那它漏服怎么处理？✅预期：轮3"它"指向阿帕替尼，不是奥布替尼；实体被新query覆盖。
Case‑3‑3：多轮后，用户提出完全和药品无关问题（测闲聊分支，不走RAG检索）
轮1：法米替尼的储存条件
轮2：给我讲个笑话✅预期：识别为闲聊意图，拒绝走向量检索链路，不召回说明书chunk。
Case‑3‑4：指代但是历史没有有效实体，应当拒答
轮1：讲个笑话
轮2：那它的副作用是什么？✅预期：会话历史没有任何药品实体，直接拒答："请告诉我具体药品名称，我才能为您解读说明书"，禁止把"它"送入检索，召回一堆乱七八糟的药品。
Case‑3‑5：指代+知识库不存在的药品
轮1：XX虚构药ABC123的不良反应
轮2：那它的禁忌是什么？✅预期：第一轮识别药品不存在直接拒答；第二轮不要继续继承这个不存在的实体。