WorkBuddy模型术语识别不准时，可通过三种方式增强：一、API注入JSON格式专业词典；二、修改本地custom_vocab.txt并重建词表；三、Prompt中添加术语锚点前缀。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果WorkBuddy模型在处理行业文档或对话时无法准确识别特定领域术语，例如医疗缩写、法律条文简称或工业设备代号，则可能是模型默认词表未覆盖该垂直领域的专业词汇。以下是导入行业专业词库以增强术语识别能力的操作方法：
一、通过API接口注入自定义词典
该方法适用于已部署WorkBuddy服务并具备后端调用权限的用户，通过HTTP请求将结构化术语列表动态加载至模型分词缓存层，不需重启服务即可生效。
1、准备JSON格式的专业词典文件，字段包含term（术语原文）、pos（词性）、weight（权重值，建议设为10–50）和category（所属子领域，如“心血管”“破产法”）。
2、构造POST请求，URL为/v1/dictionary/import，Header中设置Authorization: Bearer <your_token>及Content-Type: application/json。
3、在Request Body中嵌入词典数组，单次提交不超过500条术语，避免超时；若总量超限，分批次提交并间隔2秒。
4、收到HTTP 201响应且返回{"status":"success","loaded_count":482}即表示导入完成。
二、修改本地tokenizer配置文件
该方法适用于本地运行WorkBuddy轻量版或Docker容器实例的用户，直接扩展分词器内置词表，提升离线场景下的术语召回率。
1、进入模型部署目录下的config/tokenizer/子路径，定位custom_vocab.txt文件。
WorkBuddy 桌宠工厂 —— 给一张角色图、一个 codex.pet 链接、一条 codex-pets.net 下载 URL、或一份现成的精灵表，就能自动创建一只可联动 WorkBuddy 状态的桌面宠物。当用户说"创建桌宠"、"做一只桌宠"、"用这张图做桌宠"、"从 codex.pet 安装桌宠"、"导入 codex 桌宠 XX"、"装一下 codex-pets.net 上的 XX&quo
2、在文件末尾追加行业术语，每行一个词，**确保术语不包含空格、标点或控制字符**，例如：ECMO、要式合同、PLC_模块_A7。
3、保存文件后执行python tools/build_vocab.py --input config/tokenizer/custom_vocab.txt --output models/workbuddy-v2.3/vocab_custom.bin重新生成二进制词表。
4、重启WorkBuddy服务进程，验证是否生效：向接口发送含新术语的测试文本，检查返回的token_ids中是否出现新增词对应ID。
三、使用Prompt级术语锚定策略
该方法无需修改模型或配置，适用于仅拥有API调用权限的终端用户，在输入文本前显式声明关键术语及其解释，引导模型在上下文中优先匹配指定表达。
1、在原始提问前插入固定前缀，格式为：“【术语锚点】{术语}指代{简明定义}；{术语}指代{简明定义}；……【正文开始】”。
2、每个术语定义控制在12字以内，避免冗余，例如：“【术语锚点】DRG指疾病诊断相关分组；对价指合同中互负给付义务；【正文开始】”。
3、确保锚点段落与正文之间无空行，且锚点总长度不超过300字符，防止截断影响主任务理解。
4、发送请求后检查输出中涉及该术语的实体识别结果或回复措辞，确认其是否被正确引用与展开。
