这个品类的数据长什么样
血液肿瘤注册申报资料通常包含临床试验方案、研究者手册、临床研究报告（CSR）、药学研究资料（CMC）、非临床研究报告等，文档类型多样，包括 PDF、Word、Excel 等。数据更新频率相对较低，主要集中在临床试验的不同阶段性报告和最终报告发布时。文档结构复杂，包含大量表格、图表和交叉引用。字段和单位具有高度专业性，例如剂量单位 mg/kg、疗效评价标准 CR (完全缓解)、PR (部分缓解) 等，以及特定的基因突变位点标识 FLT3-ITD、IDH1/2。临床试验数据通常以结构化表格形式呈现，但附带大量非结构化文本描述。
这些特征在「多轮对话与提示词」这一环带来什么约束
血液肿瘤注册申报资料的复杂性对多轮对话与提示词的有效性构成挑战。文档中大量的专业术语和缩写要求模型具备深入的领域知识，以避免语义理解偏差。交叉引用和表格数据使得单一上下文窗口难以捕获完整信息，需要更长的上下文管理和跨文档检索能力。较低的数据更新频率意味着知识库构建时需要关注历史数据的一致性和准确性，确保对话结果基于最新且被批准的申报版本。专业字段和单位的准确识别与解析，直接影响到问答系统的可靠性，例如剂量计算或疗效判定，任何偏差都可能导致严重后果。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000 tokens | 应对血液肿瘤申报资料中长篇幅的临床研究报告和详细的药学描述，确保上下文完整性。 |
分段长度 | 500 字符 | 兼顾语义完整性和检索效率，避免过长分段导致无关信息引入，同时保留足够的上下文。 |
召回条数 | 前 8 条 | 血液肿瘤资料关联性强，增加召回条数有助于覆盖更多潜在相关信息，提高回答准确率。 |
相似度阈值 | 0.75 | 保证召回结果与用户查询高度相关，过滤掉大量医学术语相似但实际内容不相关的文档片段。 |
重排返回条数 | 3 条 | 在高召回条数基础上，通过重排精选最相关的少数几条，减轻模型处理负担，提升响应速度。 |
历史对话轮次 | 5 轮 | 支撑多轮追问和细节确认，尤其在剂量调整、不良事件分析等复杂场景。 |
容易做错的三处
- 对话响应慢，超过
10 秒：原因多为maxContext设置过大，或召回条数过多，导致模型处理上下文和检索压力过大。 - 回答内容缺失关键数据或单位不准确：原因在于
分段长度过短，截断了重要的数值信息或上下文，或知识库中未充分识别和提取专业字段。 - 用户追问时模型无法关联前文信息：原因在于
历史对话轮次设置不足，导致模型遗忘前几轮对话的背景信息。
怎么确认配好了
- 针对典型申报资料中的复杂问题，进行多轮对话测试，观察回答中是否准确包含专业术语、剂量和单位。
- 随机抽取知识库中包含表格数据的文档，提问涉及表格内容的查询，核对模型是否能正确解析并引用数据。
- 模拟用户在某一申报环节的连续提问，检查模型在不同轮次间是否保持对主题的连贯理解，并能基于前文信息进行推理。
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。