这个品类的数据长什么样
自身免疫疾病的临床试验预筛数据主要来源于全球临床试验注册库（如 ClinicalTrials.gov、欧盟临床试验注册库等）、医学文献数据库（如 PubMed、Embase）、患者报告结局（PRO）数据以及电子病历（EHR）系统。这些数据更新频率不一，注册库信息通常在试验进展到关键阶段时更新，医学文献则随论文发表而周期性增加。文档结构复杂，包含结构化数据（如入排标准、疾病诊断代码 ICD-10/11、药物编码 ATC、试验阶段、招募状态、主要/次要终点指标等）和大量的非结构化文本（如试验方案描述、不良事件报告、患者病史）。字段特异性高，例如自身抗体谱（ANA、抗dsDNA、抗SSA/SSB等）的检测结果、疾病活动度评分（如狼疮活动度指数 SLEDAI、类风湿关节炎 DAS28）以及特定免疫抑制剂的使用史等，单位通常为国际标准单位或临床常用单位。
这些特征在「多轮对话与提示词」这一环带来什么约束
自身免疫疾病数据的高度结构化与非结构化混合，要求多轮对话系统能够有效融合结构化查询与自然语言理解。例如，用户可能先提供结构化入排标准，随后通过自然语言细化特定疾病活动度要求。数据更新频率不一，意味着对话系统需要具备实时或近实时的数据同步能力，以确保推荐的临床试验信息是最新的。文档中的大量医学术语和缩写，对提示词的语义理解和实体识别能力提出高要求，需要准确识别如「ANA 滴度 1:320」或「MTX 治疗史」等关键信息。此外，患者病史和不良事件报告中的非结构化叙述，需要通过多轮追问来澄清模糊信息，从而确保预筛的准确性，避免因信息缺失或误解导致的不合格筛选。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 10 轮 | 自身免疫疾病预筛逻辑复杂，需保留足够对话历史以理解用户意图演变。 |
temperature | 0.3 | 降低模型发散性，确保筛选逻辑的严谨性和结果的稳定性。 |
召回条数 | 15 条 | 提高初始召回范围，覆盖更多潜在相关的临床试验记录。 |
相似度阈值 | 0.78 | 平衡召回与精确度，确保筛选结果与用户描述高度相关。 |
重排返回条数 | 5 条 | 优先展示最相关的核心试验信息，减少用户阅读负担。 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 自身免疫试验方案文档复杂，预留充足时间解析大型 PDF。 |
容易做错的三处
- 现象：多轮对话中，用户提及的特定抗体检测结果未被正确识别为筛选条件。原因：提示词中未明确指导模型关注医学检验报告中的关键数值和单位，或者实体识别模型未针对自身免疫领域的特有指标进行优化。
- 现象：在同一对话窗口中，查询次数增多后，知识库检索响应时间显著变长，甚至出现超时。原因：会话变量未有效管理，导致每次查询都携带过多的历史上下文，增加了检索和模型处理的负担。
- 现象：当用户尝试修改之前确定的某个入排标准时，系统未按新指令更新筛选逻辑，仍沿用旧标准。原因：多轮对话的变量更新机制未正确配置，导致历史变量未被覆盖或优先级设置不当。
怎么确认配好了
- 选取涵盖多种自身免疫疾病（如类风湿关节炎、系统性红斑狼疮）的典型预筛场景，进行多轮对话测试，核对系统是否能准确识别并应用所有入排标准。
- 模拟用户在对话中逐步细化筛选条件，并中途修改已确定的条件，验证系统能否正确更新内部状态，并基于最新条件进行准确的知识库检索和结果推荐。
- 检查日志输出，确认每次对话后
maxContext参数是否被正确应用，以及知识库召回和重排结果是否符合预期阈值范围，尤其关注相似度阈值对结果条目的影响。
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。