这个品类的数据长什么样
基因治疗 AAV（腺相关病毒载体）药物警戒数据主要来源于临床试验报告、真实世界研究、上市后监测以及各种监管机构提交的安全性数据。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、用药史、不良事件（Adverse Event, AE）编码（如 MedDRA 术语）、严重程度、发生日期、结局等，常见于数据库记录。非结构化数据则包括详细的医学文本描述、医生笔记、患者访谈记录、实验室检查报告和影像学报告。数据更新频率较高，尤其是在新药上市初期，监管机构会要求持续收集和评估安全性数据。文档通常是 PDF 格式的临床研究报告、药品说明书、安全性更新报告，以及 XML 或 JSON 格式的数据库导出文件。不良事件的严重程度可能采用 1-5 级通用毒性标准（CTCAE），而发生频率则以“每 1000 患者年”或“百分比”表示。
这些特征在「模型接入与配置」这一环带来什么约束
基因治疗 AAV 药物警戒数据的高度专业性和多模态性对模型接入与配置提出了特定要求。其混合数据结构意味着需要同时处理结构化字段和复杂的医学非结构化文本。模型必须能够有效解析 MedDRA 编码，并从自由文本中抽提关键不良事件信息、关联药物、剂量和发生时间。高更新频率要求模型具备增量学习或快速重训练的能力，以确保警戒系统始终基于最新数据运行。文档中包含的 CTCAE 等专业术语和计量单位，要求模型具备强大的领域知识理解能力，需要引入医学词典或本体论增强模型语义理解。此外，AAV 载体的特殊性可能导致一些罕见或新型不良反应，这要求模型在处理低频事件时具备一定的泛化能力，避免过度拟合常见模式。模型还需要处理不同来源数据格式的差异，如将 PDF 文档转换为可读文本，或解析复杂的 XML 结构。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 兼顾 AAV 报告中不良事件描述的完整性和模型处理长文本的效率。 |
重叠长度 | 150–200 字符 | 确保不良事件描述上下文的连续性，避免关键信息被截断。 |
相似度阈值 | 0.75 或根据实际数据标定 | 在高专业度文本中，确保召回结果与查询意图高度相关。 |
召回条数 | 前 8–12 条 | 覆盖 AAV 药物警戒中可能涉及的多种不良事件类型和相关上下文。 |
LLM_MODEL_NAME | Qwen2-7B-Instruct 或更高版本 | 适用于处理复杂医学文本和专业术语，提供更准确的语义理解。 |
MAX_TOKENS_PER_REQUEST | 4096 tokens 或根据模型限制调整 | 适应 AAV 药物警戒报告中可能出现的较长不良事件描述和分析。 |
容易做错的三处
- 模型在处理长篇医学文本时出现“输出答非所问”的情况，原因是分段策略不当，导致关键信息被切割或上下文丢失。
- 系统偶尔返回
Unexpected end of JSON input错误，通常是由于后端与大模型 API 之间的网络不稳定或模型返回的 JSON 格式不规范导致。 - 知识库上传的 AAV 临床研究报告中的不良事件信息无法被准确识别，原因可能是文本预处理阶段未有效处理 PDF 文档的复杂布局，导致文本提取不完整或乱序。
怎么确认配好了
- 上传典型 AAV 临床试验报告和安全性更新文档，检查知识库内容解析是否完整、无乱码，并能正确识别 MedDRA 编码的不良事件。
- 针对 AAV 药物可能出现的特定不良反应（如免疫原性、脱靶效应），进行多轮问答测试，评估模型能否准确召回相关信息并给出合理建议，召回结果的
相似度指标应高于设定阈值。 - 模拟高并发查询场景，监控系统响应时间和错误日志，确保在处理大量 AAV 药物警戒查询时系统稳定，无超时或 JSON 解析异常报错。
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。