这个品类的数据长什么样
供应商审计在临床试验预筛中，其数据主要来源于审计报告、资质文件、标准操作规程（SOP）、质量管理体系文档、历史合作记录以及法规符合性声明。这些文档通常以 PDF、Word、Excel 等非结构化或半结构化格式存在。更新频率不一，资质文件可能每年更新，审计报告则在每次审计后生成。文档结构复杂，包含大量专业术语、表格和图示。字段包括审计发现、纠正预防措施（CAPA）、风险等级、合规性状态等，单位通常是文本描述或数值范围。数据量庞大，且分布在多个独立文档中。
这些特征在「多轮对话与提示词」这一环带来什么约束
供应商审计数据的非结构化特性，使得直接从原始文档中提取精确信息进行对话具有挑战性。多轮对话需要处理复杂的上下文关联，例如，用户可能先询问某个供应商的资质，随后又追问其历史审计中特定风险点的改进情况。文档更新频率的不一致性，要求知识库具备版本管理能力，确保对话基于最新、最准确的信息。专业术语和表格的存在，对提示词的构建提出更高要求，需要引导模型理解并准确解析这些特定内容。此外，大量独立文档也要求对话系统能够跨文档进行信息整合，以回答跨领域的复杂问题。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 6000 Tokens | 确保在多轮对话中能够保留足够的历史上下文，覆盖供应商审计中常见的复杂问答链路。 |
temperature | 0.3 | 降低模型生成内容的随机性，确保回答的专业性和准确性，符合审计场景对严谨性的要求。 |
top_p | 0.7 | 限制模型采样范围，进一步提高生成内容的稳定性和相关性，避免偏离审计主题。 |
分段长度 | 800 字符 | 兼顾文档语义完整性与模型处理效率，减少长文档切分后上下文丢失的风险。 |
召回条数 | 前 5 条 | 平衡召回效率与相关性，确保能覆盖到核心审计文档片段，同时避免引入过多噪声。 |
重排返回条数 | 前 3 条 | 在召回基础上进一步优化排序，提高最相关信息的优先级，直接支持对话生成。 |
容易做错的三处
- 对话结果未在主对话框直接输出，而是在侧边栏显示。这通常是由于工作流配置不当，将AI对话节点的结果输出连接到了非主对话输出的组件。
- 每次对话都需要重新开始，无法延续上下文。出现此现象是因为AI对话节点的
maxContext参数设置过低或未正确配置，导致历史对话信息未被保留。 - AI对话回答中始终使用 Markdown 语法，即使不希望如此。这是因为提示词中包含了强制模型使用 Markdown 格式的指令，或者模型默认行为倾向于此，需要通过调整提示词来明确限制输出格式。
怎么确认配好了
- 进行多轮模拟审计问答，核对系统能否准确理解并延续上下文，并评估其对历史信息的引用是否恰当。
- 随机抽取多份供应商审计文档，针对其中的具体风险点和合规性要求进行提问，验证系统能否从不同文档中整合信息给出正确答案。
- 测试系统在面对专业术语、表格数据等复杂信息时的解析能力，评估其在回答中对这些特定内容的引用准确性。
- 检查系统输出格式是否符合预期，没有多余的 Markdown 标记，并且重要信息以清晰、易读的方式呈现。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。