hi

app.py

@@ -66,8 +66,8 @@ SECTION_WEIGHTS = {
     "用法及用量": 1.0,
     "病人使用須知": 1.0,
     "儲存條件": 1.0,
-    "警語及注意事項": 1.0,
-    "禁忌": 1.0,
+    "警語及注意事項": 2.0,  # 提高權重
+    "禁忌": 1.5,
     "副作用": 1.0,
     "藥物交互作用": 1.0,
     "其他": 1.0,
@@ -388,7 +388,7 @@ class RagPipeline:
             all_reranked_results.sort(key=lambda x: x['rerank_score'], reverse=True)
 
             context = self._build_context(all_reranked_results, LLM_MODEL_CONFIG["max_context_chars"])
-            prompt = self._make_prompt(q_orig, context)
+            prompt = self._make_prompt(q_orig, context, intents)
             messages = [
                 {"role": "system", "content": "你是嚴謹的台灣藥師。"},
                 {"role": "user", "content": prompt}
@@ -455,8 +455,30 @@ class RagPipeline:
         return self._llm_call([{"role": "user", "content": prompt}])
 
     def _adjust_section_weights(self, intents: List[str]) -> Dict[str, float]:
+        """根據意圖調整各仿單章節的檢索權重"""
         weights = SECTION_WEIGHTS.copy()
-        # 根據 intents 調整權重邏輯 (從 kaggle_rag.py 簡化)
+        
+        # 如果沒有偵測到意圖，則使用預設權重
+        if not intents:
+            return weights
+            
+        intent = intents[0] # 只考慮第一個意圖
+
+        if intent in ["操作 (Administration)", "劑型相關 (Dosage Form Concerns)"]:
+            weights["用法及用量"] *= 1.5
+            weights["病人使用須知"] *= 2.0
+        elif intent == "保存/攜帶 (Storage & Handling)":
+            weights["儲存條件"] *= 2.0
+        elif intent == "副作用/異常 (Side Effects / Issues)":
+            # 依據您的建議，特別強化「警語」
+            weights["警語及注意事項"] *= 3.0
+            weights["副作用"] *= 1.5
+        elif intent == "時間/併用 (Timing & Interaction)":
+            weights["用法及用量"] *= 1.5
+            weights["藥物交互作用"] *= 2.0
+        elif intent == "劑量調整 (Dosage Adjustment)":
+            weights["用法及用量"] *= 2.0
+        
         return weights
 
     def _semantic_search(self, index, query: str, top_k: int, embedding_model) -> Tuple[List[int], List[float]]:
@@ -505,7 +527,13 @@ class RagPipeline:
             processed_chunks.add(text)
         return context.strip()
 
-    def _make_prompt(self, query: str, context: str) -> str:
+    def _make_prompt(self, query: str, context: str, intents: List[str]) -> str:
+        
+        # 根據意圖，加入特別提醒 LLM 的指令
+        additional_instruction = ""
+        if "劑量調整 (Dosage Adjustment)" in intents or "時間/併用 (Timing & Interaction)" in intents:
+            additional_instruction = "在回答用藥劑量和時間時，務必提醒使用者，醫師開立的藥袋醫囑優先於仿單的一般建議。"
+        
         return f"""
 你是一位專業且謹慎的台灣藥師。請嚴格根據「參考資料」回答使用者問題，使用繁體中文。
 
@@ -513,6 +541,7 @@ class RagPipeline:
 1) 完全依據參考資料，不得捏造或引用外部知識。
 2) 以清楚的段落或條列回覆，不要使用 Markdown 符號（如 *, -, #）。
 3) 如果資料不足，請回覆：「根據提供的資料，無法回答此問題。」
+4) {additional_instruction}
 
 參考資料：
 ---