在紧急情况下，每一秒都至关重要。然而，大型语言模型（LLMs）在时间敏感、低连接或无连接环境中的部署仍受到限制。当前的模型计算资源需求高，难以适配一线救援人员或普通民众常用的低性能设备。开发轻量化、领域专用解决方案的一大障碍，在于缺乏高质量、面向急救与应急响应场景的数据集。为填补这一空白，我们提出了 FirstAidQA——一个包含5,500组高质量问答对的合成数据集，覆盖广泛的急救与应急响应情境。该数据集基于大型语言模型 ChatGPT-4o-mini，采用基于提示的上下文学习（prompt-based in-context learning）方法生成，原始文本来源于《生命急救手册》（Vital First Aid Book, 2019）。我们经过文本清洗、上下文分块与过滤等预处理步骤，并辅以人工校验，确保问答对在准确性、安全性及实际应用相关性方面的可靠性。FirstAidQA 旨在支持大型语言模型（LLMs）与小型语言模型（SLMs）的指令微调（instruction-tuning）与微调（fine-tuning），从而推动构建更快速、更可靠且具备离线运行能力的应急响应系统。我们已公开发布该数据集，以促进急救与应急响应领域中安全关键型、资源受限的人工智能应用研究。