这个品类的数据长什么样
眼科注册申报资料涵盖了从临床前研究、临床试验方案、研究者手册、受试者知情同意书到上市申请表、说明书、标签等多种文档类型。数据来源多样，包括 CRO 提供的临床试验报告、医院 EMR 系统中的患者随访数据、药企内部的研发文档以及国家药监局 (NMPA) 发布的法规文件和指导原则。这些数据更新频率不一，法规文件通常按季度或年度更新，临床试验数据则随试验进展实时生成，而产品说明书等资料在获批后保持相对稳定。文档结构复杂，常包含大量图表、统计数据和专业术语，例如眼压（IOP）测量值、视力（VA）评分、OCT 影像报告、眼底照片等。字段与单位具有高度特异性，如视力常以 Snellen 分数或 LogMAR 值表示，眼压单位为 mmHg，视野检查结果以 dB 值呈现。
这些特征在「多轮对话与提示词」这一环带来什么约束
眼科注册申报资料的复杂性与专业性对多轮对话与提示词设计提出了具体要求。首先，数据来源的多样性意味着在对话过程中需要灵活地切换不同的知识库或数据源，以确保信息的全面性。例如，当讨论临床试验结果时，可能需要引用临床试验报告，而在讨论法规要求时则需调取 NMPA 的指导原则。其次，文档中包含的图表和影像数据，如 OCT 图像，无法直接通过文本对话呈现，这要求系统在对话中提供对应的文件链接或摘要描述。再次，高度特异性的字段和单位，如 LogMAR 视力值，要求提示词能够准确识别并处理这些专业术语，避免误解或错误转换。最后，法规文件的更新频率和临床数据的动态性，使得系统需要具备版本管理能力，确保对话基于最新、最准确的信息。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000 tokens | 确保能够容纳眼科专业文档中较长的上下文信息，便于理解复杂的临床试验设计和法规条款。 |
分段长度 | 800–1200 字符 | 平衡上下文连贯性和检索效率，避免单个分段过长导致信息冗余，或过短造成语义割裂。 |
召回条数 | 前 10 条 | 增加相关知识点覆盖面，尤其在处理交叉学科问题时，提高信息召回率。 |
相似度阈值 | 按实测标定，建议 0.75 | 保证召回内容的精确性，避免无关或低相关性信息干扰，同时兼顾一定泛化能力。 |
重排返回条数 | 前 5 条 | 精炼最终呈现给用户的关键信息，减少用户阅读负担，聚焦核心问题。 |
temperature | 0.3 | 降低模型回答的随机性，确保在法规和临床数据解读等严谨场景下输出的准确性和一致性。 |
容易做错的三处
- 对话中出现大量
#*等特殊符号，原因可能是外部系统（如飞书或微信）对 Markdown 格式的解析不兼容，导致原始的 Markdown 标记被直接显示。 - 调用对话接口时未返回引用的知识库 ID，这通常是由于接口设计或配置问题，导致后端未将知识库元数据一并返回，无法追溯信息来源。
- 知识库中包含图片 URL，但模型无法在对话中输出图片，这可能是因为模型本身不具备直接渲染图片的能力，或者对话接口未集成图片预览功能。
怎么确认配好了
- 针对一组典型的眼科注册申报问题，进行多轮对话测试，检查模型是否能持续保持上下文连贯性，并根据问题深度进行逐步引导。
- 在对话过程中，随机抽取几个关键的专业术语或数据点，核对模型对这些信息的理解和引用是否与原始文档一致，特别是单位和数值的准确性。
- 模拟用户提问关于最新法规或临床进展的问题，观察模型是否能引用到知识库中最新版本的文件，以及是否能给出明确的版本信息。
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。