抗体偶联药物 ADC药物警戒的多轮对话与提示词

抗体偶联药物（ADC）药物警戒数据主要来源于临床试验报告、真实世界研究、上市后监测报告（如FDAAdverseEventReportingSystem,FA

这个品类的数据长什么样

抗体偶联药物（ADC）药物警戒数据主要来源于临床试验报告、真实世界研究、上市后监测报告（如 FDA Adverse Event Reporting System, FAERS 或 EudraVigilance）、学术论文以及患者病例记录。这些数据更新频率较高，尤其是在新药上市初期和监测期。文档结构通常包含统一的报告模板，如 CIOMS I 表格或 MedWatch 3500 表格，记录患者基本信息、用药史、不良事件描述、事件发生时间、严重程度、结局、相关性评估、伴随用药以及治疗措施等字段。不良事件的描述常采用医学词典（如 MedDRA）的术语进行编码，确保标准化。剂量单位通常为毫克（mg）或毫克/千克（mg/kg），时间单位为天、周、月。

这些特征在「多轮对话与提示词」这一环带来什么约束

ADC 药物警戒数据的高度结构化和标准化，要求多轮对话系统能够精准识别和提取 MedDRA 编码等专业术语，确保不良事件描述的准确性。数据来源的多样性与高更新频率，意味着知识库需要具备高效的增量更新机制，以及对不同格式文档（PDF、XML、文本）的解析能力。文档中包含的剂量、时间等数值型字段，对提示词设计提出要求，需引导模型进行定量分析和比较。此外，不良事件报告中常包含复杂的因果关系判断，对话系统需要通过多轮提问，逐步澄清上下文，避免误判。对于 ADC 特有的脱靶毒性、旁观者效应等复杂机制，提示词需要引导模型深入分析其与不良事件的关联，提升风险评估的准确性。

配置怎么定

配置项建议取法这样取的依据
分段长度500-800 字符ADC 报告中不良事件描述常包含较长的细节，此长度有助于保留上下文完整性。
召回条数前 8-12 条需覆盖多维度信息（患者、药物、事件、相关性），确保全面性。
相似度阈值0.75-0.85保证召回结果与查询意图高度相关，减少无关信息干扰。
重排返回条数前 5 条聚焦最相关的关键信息，减轻模型处理负担，提升响应速度。
最大响应 token1500-2500确保模型有足够空间生成详细的风险评估和建议，避免回复截断。
自定义词库MedDRA 术语表精准识别和规范化不良事件描述，提高术语识别准确率。

容易做错的三处

  • 对话回复异常简短，未能提供完整分析。原因可能是最大响应 token设置过低，导致模型在生成关键信息前即被截断。
  • 系统无法识别报告中特定不良事件的专业术语，导致召回结果不准确。原因在于自定义词库未充分覆盖 MedDRA 等行业标准术语。
  • 在多轮对话中，模型反复询问已提供的信息。原因可能是maxContext或历史消息轮次设置不足，导致模型无法有效记忆之前的对话上下文。

怎么确认配好了

  • 进行模拟不良事件报告查询，检查返回的风险评估报告是否涵盖患者基本信息、用药情况、不良事件描述、相关性判断以及建议措施。
  • 使用包含 MedDRA 术语的查询语句，验证系统能否准确识别并关联到相应的知识库条目，检查相似度阈值和自定义词库的有效性。
  • 进行多轮对话测试，验证模型在连续提问后，是否能够基于历史对话信息进行推理和回答，确认maxContext和历史消息轮次配置合理。

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。