这个品类的数据长什么样
基因治疗 AAV（腺相关病毒）产品的数据主要来源于临床试验报告、监管文件（如 FDA 或 EMA 的申报资料）、专利文献、学术论文以及企业内部的研发记录。这些数据更新频率不定，通常与临床试验进展、新产品上市或技术突破相关。文档结构复杂，常包含大量非结构化文本、表格数据、基因序列信息、蛋白质结构图、临床数据图表和生物统计结果。字段多样，涉及 AAV 血清型、载体构建、基因表达盒、生产工艺、质控指标（如病毒滴度、纯度、空壳率）、体内外药效学、药代动力学、免疫原性、安全性数据（如不良事件发生率）、适应症、给药途径和剂量等。单位通常是生物学和药学特有的，例如 vg/mL（病毒基因组拷贝每毫升）、IU/mL（国际单位每毫升）、ng/mL（纳克每毫升）、kDa（千道尔顿）等。
这些特征在「多轮对话与提示词」这一环带来什么约束
基因治疗 AAV 产品数据的高度专业性、多样化的文档结构以及特有的字段与单位，对多轮对话与提示词设计提出了具体要求。首先，复杂的专业术语和生物学单位要求模型具备精确的语义理解和单位识别能力，以避免误解用户查询。其次，文档中混合的非结构化文本、表格和图表，使得信息抽取需要更精细的策略，提示词需引导模型识别并整合来自不同数据形式的信息。例如，用户可能询问特定 AAV 载体的“空壳率”，这可能散布在质控报告的表格或方法描述文本中。此外，由于数据更新不规则，提示词需包含对信息时效性的考量，引导模型优先检索最新或最相关的临床数据。多轮对话中，用户可能会逐步细化查询，从“AAV 产品安全性”到“特定血清型 AAV 的肝毒性”，提示词需有效承接上下文，避免信息丢失或重复。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 4000 字符 | 适应 AAV 产品描述长文本，保留足够上下文。 |
召回条数 | 10 条 | 确保覆盖多源信息，兼顾检索效率与相关性。 |
相似度阈值 | 0.78–0.85 | 精准匹配专业术语，过滤不相关生物学概念。 |
重排返回条数 | 5 条 | 聚焦最相关的关键信息，减少模型处理负担。 |
提示词（Prompt） | 按实测标定 | 需结合具体 AAV 产品库特性调整，引导抽取关键字段。 |
分段长度 | 500–800 字符 | 平衡语义完整性与分段细粒度，便于模型理解。 |
容易做错的三处
- 现象：AI 回复中出现大量原始 LaTeX 代码或 Markdown 表格语法，未能正确渲染。
- 原因：系统未配置或启用了富文本渲染功能，导致模型输出的格式化内容无法正常显示。
- 现象：用户询问特定 AAV 产品的剂量，AI 回复“未找到相关信息”或给出不准确的范围。
- 原因：知识库中关于剂量的数据可能分散在不同的临床报告或方法学描述中，且单位复杂，提示词未能有效引导模型识别和整合这些信息。
- 现象：多轮对话中，用户追问上一轮提到的某个 AAV 血清型的具体生产工艺，AI 回复未提及该血清型，或重新开始介绍 AAV 基础知识。
- 原因：对话管理模块的上下文维持机制不足，导致模型在多轮对话中丢失了关键实体或主题，未能有效承接前文信息。
怎么确认配好了
- 针对典型的 AAV 产品查询（如“AAV9 血清型的病毒滴度是多少？”或“基因治疗 SMA 的 AAV 产品有哪些不良事件？”），检查 AI 回复是否准确、完整地提供了信息，并正确识别和显示了专业单位。
- 测试包含 LaTeX 公式或 Markdown 表格的查询，确认 AI 回复中的格式化内容能被正确渲染和展示。
- 进行多轮对话测试，验证 AI 在复杂追问（如“这种产品的免疫原性如何？”）中，能否保持上下文连贯性，并基于前文信息给出进一步的详细回答。
- 通过模拟用户输入专业术语或缩写，核对 AI 是否能准确理解其生物学含义，并从知识库中召回相关资料。
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。