抗体偶联药物 ADC制度的多轮对话与提示词

抗体偶联药物（ADC）的制度与SOP数据主要来源于药监机构（如NMPA、FDA、EMA）发布的指导原则、技术审评要求，以及企业内部的研发、生产、质量管理体系

这个品类的数据长什么样

抗体偶联药物（ADC）的制度与SOP数据主要来源于药监机构（如NMPA、FDA、EMA）发布的指导原则、技术审评要求，以及企业内部的研发、生产、质量管理体系文件。这些数据通常以PDF、Word、XML等格式存在，文档结构复杂，包含大量专业术语、图表和交叉引用。更新频率取决于法规修订和企业内部流程优化，通常为季度或年度更新。关键字段包括药物名称、靶点、偶联技术、毒素载荷、适应症、临床试验阶段、批次信息、质量控制标准等，单位涉及浓度（μg/mL）、剂量（mg/kg）、纯度（%）、pH值等。

这些特征在「多轮对话与提示词」这一环带来什么约束

ADC制度文档的复杂性和专业性，使得多轮对话需要更高的语义理解能力和上下文保持能力。大量的专业术语和缩略语要求系统具备准确的术语解析和概念关联能力，以避免在多轮交互中产生歧义。文档中频繁出现的交叉引用和图表，要求系统能够识别并引导用户查阅相关内容。此外，法规和SOP的更新特性，要求知识库能够快速同步最新版本，确保对话结果的时效性和准确性。多轮对话中，用户可能频繁追问特定批次或特定制剂的质量控制细节，这要求系统能从结构化数据和非结构化文本中精准抽取信息。

配置怎么定

配置项建议取法这样取的依据
maxContext8 轮ADC制度问答通常需要较长的上下文来理解复杂问题和追问细节。
分段长度800–1200 字符考虑到ADC文档段落较长、信息密度高，较长的分段有助于保持语义完整性。
召回条数前 8 条确保能够覆盖到多个相关的制度条款和SOP章节，提升召回准确率。
相似度阈值按实测标定ADC专业术语多，需根据实际语料库测试，平衡查全率与查准率，例如 0.75。
重排返回条数前 4 条经过重排后，优先呈现最相关的文档片段，提高回答质量。
提示词模板包含“作为一名专业的ADC法规专家”明确AI角色，引导其以专业、严谨的口吻回答制度问题。

容易做错的三处

  • 现象：用户在多轮对话中追问特定批次的质量标准，系统回复通用性内容，未能给出具体批次的标准。 原因：知识库中缺乏对批次信息的细粒度索引，或提示词未明确要求AI在回答中引用具体的批次信息。
  • 现象：系统在多轮对话中对ADC专业术语的解释前后不一致，或者无法理解用户对缩略语的追问。 原因：知识库中缺乏统一的术语表或本体知识，导致AI对专业词汇的理解和上下文保持能力不足。
  • 现象：用户询问某一制度条款的修订历史，系统无法提供或提供过时的信息。 原因：知识库未能有效管理文档版本，或者索引更新机制不完善，导致召回的文档非最新版本。

怎么确认配好了

  • 选取多个包含ADC关键术语和多轮追问的测试用例，运行对话流，验证系统是否能准确理解问题并给出相关回答。
  • 检查对话历史记录，确认在多轮交互中，系统是否保持了对ADC相关上下文的理解，例如对药物靶点、偶联方式的持续识别。
  • 针对更新频率较高的ADC法规或SOP，上传新版本文档后，立即进行测试，确保系统能够召回并引用最新内容。
  • 测试系统对ADC文档中常见图表和交叉引用的处理能力，例如询问“参见附录A”后，系统能否正确引导用户。

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。