实体瘤注册申报资料准备的多轮对话与提示词

这个品类的数据长什么样

实体瘤注册申报资料主要包括临床试验方案、临床研究报告（CSR）、药品说明书、药学研究报告、非临床研究报告等。数据来源广泛，涉及医院病历系统、实验室检测数据、生物统计报告、医学影像数据等。更新节奏受临床试验进程、审批政策变化及新研究成果发布影响，可能频繁。文档结构通常为章节式，遵循 ICH GCP 和 NMPA 等监管机构的指导原则，包含大量规范化的医学术语、生物标志物名称、剂量单位（如 mg/kg、mg/m²）以及时间单位（如 周、月）。字段特指性强，例如 RECIST 1.1 评估标准、PD-L1 表达水平、ORR、PFS 等临床终点数据。

这些特征在「多轮对话与提示词」这一环带来什么约束

实体瘤申报资料的专业性、规范性和更新频率，对多轮对话的上下文管理和提示词设计提出了具体要求。海量的专业术语和缩写要求系统具备强大的语义理解能力，避免在多轮对话中因术语歧义造成误解。文档的章节式结构和内部引用使得对话需要深度理解文档间的关联性，以支持跨章节的信息检索。高频更新的数据，尤其是临床指南和监管政策，要求知识库能够快速同步，确保对话基于最新信息。此外，涉及剂量、时间等单位的精确性，也要求提示词能引导模型进行严谨的数值提取和比较，避免因单位混淆导致错误。长文档的特点使得上下文窗口管理成为关键，以维持对话的连贯性。

配置怎么定

配置项	建议取法	这样取的依据
`maxContext`	`6000–8000` 字符	实体瘤申报资料单文档篇幅长，需要更大的上下文窗口维持多轮对话连贯性，减少信息丢失。
`召回条数`	`8–12` 条	确保从海量专业文档中召回足够多的相关片段，覆盖复杂的医学概念和关联信息。
`相似度阈值`	`0.78–0.85`	兼顾精确性和召回率，避免因过高阈值漏掉关键的专业术语匹配，或过低阈值引入无关信息。
`分段长度`	`500–800` 字符	考虑医学文本的语义完整性，避免将关键信息片段截断，影响理解。
`重排返回条数`	`5` 条	在初次召回后，通过重排进一步精选最相关的片段，提升多轮对话的准确性。
`QUERY_REWRITE_MODE`	`智能重写`	面对复杂的多轮提问和专业术语，智能重写能更好地理解用户意图，生成更精准的查询。

容易做错的三处

对话响应速度慢，有时出现 Unexpected end of JSON input 报错。原因可能是模型处理长上下文或复杂查询时计算资源不足，或后端服务在返回完整 JSON 响应前中断。
多轮对话中模型突然“失忆”，无法关联到前几轮提问的实体瘤临床数据。原因通常是 maxContext 参数设置过小，导致历史对话信息被截断，未能保留在当前上下文窗口中。
回答中出现剂量单位或时间单位混淆，例如将 mg/kg 误读为 mg/m²，或将 周 误解为 月。原因在于提示词未明确引导模型关注和核对数值单位，或知识库中相关字段的单位标准化不足。

怎么确认配好了

选择一份包含复杂临床试验数据和药学信息的实体瘤申报资料，进行多轮对话测试，检查模型是否能准确理解并关联不同章节的专业术语和数据，评估对话的连贯性。
随机抽取 10 个包含剂量或时间单位的查询，验证模型在回答中对这些单位的提取和使用是否准确无误，并与原始文档进行比对，确认无单位混淆。
模拟用户提问关于最新临床指南或审批政策的问题，检查模型是否能够引用知识库中最新更新的文档内容，并提供正确的监管要求版本号。

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。