这个品类的数据长什么样
双特异性抗体在药物警戒领域的数据主要来源于临床试验报告、真实世界研究（RWE）、上市后监测系统以及医学文献。这些数据通常以结构化和非结构化混合的形式存在。结构化数据包括患者基本信息、用药剂量、不良事件（AE）编码（如 MedDRA 术语）、事件发生时间与持续时间、结局等，常见于电子病例系统或数据库导出文件。非结构化数据则涉及自由文本描述的病例报告、医生手写记录、患者访谈记录、影像学报告解读等。数据更新频率较高，尤其在临床试验阶段和上市初期，会持续接收来自全球各地的报告。文档长度差异大，从几百字的简短报告到数万字的详细病例分析均有。字段与单位具有高度专业性，例如剂量单位（mg/kg）、时间单位（天、周）、不良事件严重程度分级（CTCAE 标准）。
这些特征在「工作流编排」这一环带来什么约束
双特异性抗体数据多样的来源和混合的结构对工作流的输入处理提出了挑战。非结构化文本的准确提取是关键，需要先进的自然语言处理（NLP）能力来识别和标准化医学术语、剂量信息和不良事件描述。高更新频率要求工作流具备实时或近实时的处理能力，以确保药物警戒信号的及时发现。长篇幅文档的处理需要工作流能有效进行信息分段和摘要，避免单次处理过载。专业字段和单位的识别与校验，要求工作流能够集成医学词典和单位转换模块，确保数据一致性。此外，双特异性抗体可能引起独特的免疫相关不良事件，工作流需能识别这些特异性模式，可能涉及多轮次的数据关联与推理。处理过程中，对数据隐私和合规性的要求也贯穿始终，需要在每个环节严格控制信息访问。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000 tokens | 适应长篇幅病例报告，确保上下文完整性。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 应对大型 Word 文档或 Excel 文件的解析时间。 |
分段长度 | 500–800 字符 | 平衡信息密度与模型处理效率，减少截断风险。 |
召回条数 | 前 10 条 | 提高相关信息召回率，覆盖多维度不良事件描述。 |
相似度阈值 | 0.78 | 过滤低相关性信息，聚焦关键不良事件与患者特征。 |
重排返回条数 | 前 5 条 | 优化最终呈现结果的质量和相关性。 |
容易做错的三处
- 现象：工作流处理大型 Excel 文件时超时或数据丢失。原因：
PARSE_FILE_TIMEOUT_SECONDS设置过短，无法完成大量行的解析。 - 现象：多轮对话中，AI 无法准确关联之前提到的不良事件细节。原因：
maxContext配置不足，导致对话历史被截断，上下文丢失。 - 现象：生成的总结报告中引用了不相关的段落。原因：
相似度阈值设置过低，导致召回了与核心问题关联度不高的文本片段。
怎么确认配好了
- 选择至少 5 份包含典型不良事件描述的双特异性抗体病例报告，执行工作流，检查关键信息（如药物剂量、不良事件 MedDRA 编码、事件发生时间）是否被准确提取和标准化。
- 使用一个包含 15000 行以上结构化数据的 Excel 文件进行处理，验证工作流能否在预设时间内完成解析，并检查数据完整性。
- 针对一个特定不良事件，进行多轮对话测试，确认 AI 能在对话中持续理解并引用前几轮提到的相关信息，对话深度应能达到至少 5 轮。
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。