这个品类的数据长什么样
双特异性抗体的临床试验数据主要来源于临床试验注册平台（如ClinicalTrials.gov、欧洲临床试验注册库）、制药公司公开报告、学术期刊论文以及监管机构数据库。数据更新频率不一，注册平台可能每周更新，而学术论文则随发表周期更新。文档结构通常包含试验方案、研究者手册、患者招募标准、疗效与安全性数据。字段方面，特异性体现在靶点组合（例如 BCMAxCD3）、抗体结构（如 BsAb 类型）、给药途径（如 静脉注射）、剂量爬坡数据、以及特定生物标志物（如 PD-L1 表达水平）等。单位则涵盖常见的剂量单位（mg/kg）、时间单位（周、月）、以及生物指标单位（ng/mL、%）。
这些特征在「多轮对话与提示词」这一环带来什么约束
双特异性抗体数据源的多元性与更新频率差异，要求多轮对话系统在知识召回时能整合不同来源的信息，并对信息时效性进行评估。复杂的靶点组合与抗体结构描述，使得提示词需具备精准识别与解析这些专业术语的能力，避免语义混淆。患者招募标准的精细化，如 ECOG 评分、特定基因突变状态，要求多轮对话能引导用户逐步细化查询条件。疗效与安全性数据中的剂量、给药途径等关键字段，需在对话中准确提取并进行逻辑判断，以支持预筛决策。此外，对于生物标志物等非数值型但关键的筛选条件，提示词设计需兼顾其表达的多样性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500 字符 | 适应临床试验方案中长句与段落，保持上下文完整性。 |
召回条数 | 前 8 条 | 确保在复杂查询下能覆盖多个相关临床研究，提升召回多样性。 |
相似度阈值 | 0.75 | 平衡召回精度与广度，过滤掉低相关度的临床试验信息。 |
maxContext | 6000 token | 容纳多轮对话历史，支持用户逐步完善筛选条件，避免关键信息丢失。 |
重排返回条数 | 前 5 条 | 优化多轮对话后期输出，聚焦最相关的几项临床试验，提高用户体验。 |
query_rewrite_model | gpt-4-turbo | 增强对复杂医学术语和模糊查询的理解能力，提升查询重写质量。 |
容易做错的三处
- 现象：系统在多轮对话中无法理解用户对特定靶点组合（如
CD20xCD3）的细化追问。 原因：提示词未能有效引导模型识别和提取靶点组合中的关键实体，或未将这些实体作为独立变量进行上下文管理。 - 现象：用户在追问安全性数据时，系统返回了与当前查询抗体类型不符的副作用信息。 原因：知识库分段或向量化时，未充分考虑安全性数据与特定抗体类型之间的强关联性，导致召回结果交叉污染。
- 现象：用户在多次追问后，系统仍无法提供符合特定
ECOG评分或基因突变状态的临床试验。 原因：知识库中关于患者入排标准的字段未被有效索引，或提示词未能将这些条件转化为精确的查询指令。
怎么确认配好了
- 对典型双特异性抗体（如
CD3xBCMA）进行多轮预筛模拟，检查系统是否能准确识别靶点、适应症和关键入排标准。 - 输入包含模糊或口语化描述的查询，观察系统能否通过多轮对话引导用户细化条件，最终提供相关临床试验信息。
- 针对患者入排标准中的数值型（如年龄范围）和非数值型（如基因突变状态）条件，验证系统能否正确筛选并排除不符合的试验。
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。