这个品类的数据长什么样
基因治疗 AAV（腺相关病毒）临床试验预筛涉及的数据具有高度专业性和复杂性。数据源主要包括临床试验注册库（如 ClinicalTrials.gov）、生物医学文献数据库（如 PubMed、Embase）、基因组学与蛋白质组学数据库（如 NCBI Gene、UniProt）、以及药物研发管线信息平台。这些数据更新频率不一，临床试验状态变更可能每周发生，文献数据每月更新，而基因组学数据更新周期更长。文档结构通常包含非结构化文本（如试验方案、患者招募标准、研究结果报告）和半结构化数据（如 JSON 或 XML 格式的基因序列、蛋白质结构、剂量信息），以及结构化数据（如患者特征、治疗组别、不良事件报告）。字段与单位的特殊性体现在基因位点、AAV 血清型、载体剂量（如 vg/kg 病毒基因组拷贝数/千克）、靶点基因表达水平、生物标志物浓度等。
这些特征在「多轮对话与提示词」这一环带来什么约束
AAV 基因治疗数据的专业性要求多轮对话系统具备精准的医学术语理解能力，避免因同义词或缩写导致的信息偏差。更新频率的不一致性意味着知识库需要采取分层更新策略，确保关键临床试验状态信息的实时性，同时平衡整体知识库的维护成本。文档结构的复杂性要求对话系统能够灵活处理不同格式的数据，例如从非结构化文本中提取关键的入排标准，并将其与结构化数据进行关联。特定字段与单位的存在，如 vg/kg，要求提示词在生成查询或回答时能够正确识别并使用这些专业单位，否则可能导致剂量信息误解。此外，预筛过程中的伦理考量和法规要求，也需要在多轮对话中通过提示词进行引导和约束，确保合规性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000 tokens | 适应基因治疗临床试验方案的详细描述，保留足够上下文理解多轮对话意图。 |
分段长度 | 500 字符 | 平衡长文本理解与召回效率，避免单个分段丢失关键信息。 |
召回条数 | 前 10 条 | 确保在复杂查询下能覆盖多个相关的临床试验或文献片段。 |
相似度阈值 | 0.75 | 针对高度专业的医学术语，提高召回的精准度，减少无关信息干扰。 |
重排返回条数 | 前 5 条 | 在初步召回的基础上，进一步优化排序，提升最相关信息的呈现优先级。 |
模型温度 | 0.3 | 降低模型生成内容的随机性，确保回答的准确性和专业性，符合临床预筛的严谨要求。 |
容易做错的三处
- 对话卡片中 JSON Schema 字段为空，导致回复格式不符合预期。这通常是由于提示词中定义的 JSON Schema 结构与实际模型输出能力不匹配，或者模型未能正确解析并填充所有必填字段。
- 工作流中的模型对话组件返回的落款时间不正确或缺失。原因通常是提示词中时间变量的引用格式不符平台规范，或者平台提供的
{{platform_time_variable}}未能正确解析为当前日期。 - 多轮对话后，预筛结果的准确性明显下降。这可能由于知识库更新不及时，导致模型基于过时信息进行判断，或者
maxContext设置过小，无法承载完整的患者病史和试验标准，导致关键信息在对话中丢失。
怎么确认配好了
- 针对典型的患者特征描述，进行多轮对话模拟，核对模型输出的入排标准判断是否与标准临床指南一致。
- 使用包含特定 AAV 剂量和血清型信息的查询，检查模型是否能准确识别并引用知识库中的相关数据，并正确呈现单位，如
vg/kg。 - 通过随机抽取近期更新的临床试验数据，验证模型在多轮对话中能否结合新信息做出正确判断，确认知识库更新策略的有效性。
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。