这个品类的数据长什么样
实体瘤产品的数据来源多样，主要包括临床试验报告、药物说明书、学术期刊论文、会议摘要以及药企内部研发文档。这些文档的更新频率不一，临床试验数据通常随试验进展阶段性发布，药物说明书则可能根据监管机构要求或药物上市后监测结果进行修订。文档结构上，多数遵循医学论文或报告的标准格式，包含摘要、引言、方法、结果、讨论等章节。关键字段包括药物名称、适应症、作用机制、临床疗效数据（如客观缓解率 ORR、无进展生存期 PFS、总生存期 OS）、不良事件发生率、用药剂量与方案、联用药物、以及特定生物标志物信息。疗效数据常以百分比、中位数、或具体数值（如 月、天、mg、µg/kg）呈现。
这些特征在「多轮对话与提示词」这一环带来什么约束
实体瘤产品数据的高度专业性和严谨性，要求多轮对话系统在信息召回和生成时具备极高的准确性。临床疗效数据的细微差异可能导致完全不同的结论，因此系统需要精确识别和区分不同试验条件下的数据。文档中复杂的医学术语和缩写，要求提示词设计能有效引导模型理解上下文，避免语义漂移。更新频率不一的特点，对知识库的实时性维护提出挑战，确保对话内容基于最新的获批信息或临床指南。此外，涉及用药剂量和不良事件的咨询，对安全性和合规性有严格要求，模型需要能够识别风险并提供谨慎的建议，避免误导性信息。多轮对话中，用户可能逐步深入询问某个药物在特定基因突变或分型下的表现，这要求系统能根据前序对话内容，动态调整召回策略和生成逻辑。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000 tokens | 实体瘤领域专业术语多、上下文关联性强，需容纳较长对话历史以维持语义连贯性。 |
分段长度 | 500-700 字符 | 临床报告和说明书段落长度适中，此范围可有效保留语义完整性，降低切分对召回的影响。 |
召回条数 | 前 8-12 条 | 确保覆盖多个相关临床试验或指南的关键信息，提高答案的全面性。 |
相似度阈值 | 0.75-0.85 | 实体瘤数据专业性高，需要较高阈值确保召回结果与用户查询高度相关，减少噪音。 |
重排返回条数 | 前 5 条 | 经过重排后，精选出最相关的少数条目，进一步提升生成质量和用户体验。 |
temperature | 0.3-0.5 | 实体瘤咨询需严谨客观，较低的温度能减少模型生成发散性或臆测内容的概率。 |
容易做错的三处
- 在多轮对话中，模型无法准确区分不同临床试验阶段（如 II 期与 III 期）的数据，导致信息混淆。原因是知识库分段时未充分保留试验ID、阶段等关键元数据，导致模型缺乏区分依据。
- 用户询问药物不良反应时，系统仅给出通用信息，无法针对特定剂量或特定人群提供详细说明。原因是知识库中关于不良事件的数据未细化到具体剂量、用药方案和患者特征的关联信息。
- 在工作流中配置多个AI对话节点，但所有节点的输出都直接展示给用户，造成信息冗余和阅读负担。原因是工作流中未对中间AI对话节点的输出进行隐藏或聚合处理，缺乏精细化控制。
怎么确认配好了
- 选取典型实体瘤药物，模拟不同侧重点的连续多轮咨询，检查回答内容是否准确、连贯，并能有效利用前序对话信息。
- 随机抽取知识库中的实体瘤产品文档，针对其关键疗效指标、不良事件和用药方案进行提问，核对模型回答与原文数据的一致性。
- 针对特定生物标志物或基因突变相关的实体瘤治疗方案进行提问，确认系统能否准确识别并关联到相应的药物或临床试验信息。
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。