单克隆抗体产品的多轮对话与提示词

这个品类的数据长什么样

单克隆抗体产品的数据主要来源于药品说明书、研究论文、临床试验报告、专利文献以及供应商提供的技术规格书。数据更新频率相对较低，通常随药物批准、适应症扩展或生产工艺变更而更新，周期可能为数月至数年。文档结构通常包含详细的药理毒理、药代动力学、适应症、用法用量、不良反应、禁忌以及制备工艺等章节。关键字段包括抗体名称（如 Rituximab）、靶点（如 CD20）、适应症（如 非霍奇金淋巴瘤）、制剂类型（如 注射液）、浓度（如 10 mg/mL）、分子量（单位 kDa）以及等电点（pI值）。

这些特征在「多轮对话与提示词」这一环带来什么约束

单克隆抗体数据更新频率低，意味着知识库的索引重建频率无需过高，可以降低计算资源消耗。文档结构复杂且专业术语多，要求提示词设计时需充分考虑生物医学领域的专业词汇与缩写，避免歧义。字段与单位的标准化程度高，例如浓度单位 mg/mL、分子量单位 kDa，这使得在多轮对话中对数值型信息的抽取和比较更为直接，但也要求模型能准确识别这些单位。此外，由于涉及药物安全性，对事实性准确度要求极高，多轮对话中需要更强的证据链追溯能力，例如引用具体的文献或说明书页码。对话过程中，用户可能反复询问特定抗体的不同参数，提示词需引导模型在长对话历史中维持对核心实体的关注。

配置怎么定

配置项	建议取法	这样取的依据
`maxContext`	`8000` tokens	单克隆抗体文档通常较长，需要更多上下文来理解药理机制和临床数据。
`分段长度`	`500` 字符	保持语义完整性，避免关键信息被截断，同时兼顾检索效率。
`召回条数`	`前 8 条`	确保覆盖多方面信息，如适应症、副作用、用法用量等。
`相似度阈值`	`0.78`	确保召回结果与查询意图高度相关，减少噪音。
`重排返回条数`	`前 5 条`	进一步精炼结果，优先展示最相关的片段，提升回答质量。
`systemPrompt`	包含专业术语表	预置生物医药领域常用术语和缩写，提高模型理解和生成专业回复的准确性。

容易做错的三处

对话中出现“无法找到关于该抗体的剂量信息”的提示，原因是知识库分段策略不当，剂量信息常与用法用量合并，但被切分到不同段落，导致召回不全。
用户删除对话记录后，后台日志中对应的对话内容也随之消失，原因是系统配置了用户删除操作同步清除日志，不利于后续问题排查和模型优化。
模型在多轮对话中无法准确区分不同抗体的相似属性，例如询问 Trastuzumab 和 Pertuzumab 对 HER2 的作用机制，结果混淆，原因在于提示词未明确指示模型关注抗体特异性差异。

怎么确认配好了

针对典型单克隆抗体（如 Bevacizumab）进行多轮咨询，检查模型能否准确回答其靶点、适应症和主要副作用，并能在后续对话中维持对该抗体的正确指代。
测试不同复杂度的查询，例如包含浓度单位 mg/mL 或分子量 kDa 的问题，验证模型能否正确抽取和比较数值信息。
模拟用户删除对话操作，检查后台日志系统是否保留了完整的对话记录，以备审计和分析。
使用包含专业术语和缩写的查询，评估模型对这些术语的理解和回复的专业性，例如询问 FcRn 的作用。

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。