这个品类的数据长什么样
罕见病临床试验预筛的数据来源多样，主要包括全球临床试验注册库（如 ClinicalTrials.gov、EU Clinical Trials Register）、药企公开的试验方案、科研论文、患者登记系统、以及少数罕见病基金会的内部数据库。数据更新频率不一，临床试验注册信息通常在方案变更或招募进展时更新，周期从数周到数月。文档结构上，试验方案常以 PDF 格式呈现，包含试验目的、入排标准、治疗方案、评估指标等，通常是半结构化文本。患者登记系统数据则可能包含结构化的基因检测报告、病程记录、生物标志物数据。字段和单位具有高度特异性，例如基因突变位点（rsID、c.G>T）、疾病严重程度评分（mRS、EDSS）、生化指标的特定酶活性单位（U/L、nmol/hr/mg），以及患者症状描述的自由文本。
这些特征在「多轮对话与提示词」这一环带来什么约束
罕见病数据的多源性和半结构化特性，要求多轮对话系统能够有效整合不同来源的信息。例如，从 PDF 试验方案中抽取关键入排标准，并与患者结构化基因数据进行比对。数据更新的滞后性，使得对话系统在回答时需要明确数据时效性，避免提供过时信息。高度特异的字段和单位，对提示词的精准性提出了高要求，需要模型理解并区分相似但意义不同的医学术语，例如不同基因型或疾病亚型。自由文本的症状描述，则考验模型对自然语言的理解能力，以识别潜在的关联信息。当患者描述的症状与特定罕见病表型高度吻合时，多轮对话应能引导用户提供更详细的诊断依据，例如基因检测结果或影像学报告，以进行更精确的预筛匹配。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 10000 字符 | 罕见病试验方案或病史记录通常较长，需要更大上下文窗口以保持连贯性 |
分段长度 | 800–1200 字符 | 适应医学文本段落长度，确保语义完整性 |
召回条数 | 前 10 条 | 提高对多源、低频罕见病知识的召回覆盖率 |
相似度阈值 | 0.82 | 确保召回内容的医学相关性，避免泛化匹配 |
重排返回条数 | 前 5 条 | 精炼多轮对话的候选信息，聚焦最相关内容 |
LLM_TEMPERATURE | 0.3 | 确保回答的严谨性和准确性，降低幻觉风险 |
容易做错的三处
- 对话结果中出现不相关的临床试验或疾病信息：原因在于知识库召回的相似度阈值设置过低，导致非核心内容被引入。
- 在多轮对话中，模型未能有效利用前一轮的用户输入进行条件过滤：原因在于工作流中 AI 对话组件的上下文传递配置不当，导致历史信息丢失。
- 语音输入后无法识别，或识别结果与实际语音不符：原因在于 FastGPT 容器环境缺少必要的音频处理依赖，例如
ffmpeg或相关pip库。
怎么确认配好了
- 随机抽取 5 份罕见病临床试验方案和 5 份患者病历，通过模拟对话，验证系统能否准确抽取关键入排标准和患者特征。
- 提交包含基因突变位点或特定生物标志物的查询，检查对话系统能否在回答中正确识别并引用这些特异性字段和单位。
- 针对已知更新的临床试验数据，进行多轮对话测试，确认系统是否能返回最新的信息，并标注数据来源和时效性。
- 使用不同长度和复杂度的罕见病描述进行多轮对话测试，观察系统是否能在多轮交互后，准确匹配到潜在的临床试验。
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。