这个品类的数据长什么样
实体瘤相关的质量文档主要包括临床试验方案、研究者手册、知情同意书、伦理审批文件、不良事件报告、药品生产质量管理规范（GMP）文件、药品注册申报资料等。数据来源广泛，涵盖药企内部研发、临床机构、监管部门等。更新频率受临床试验进展、法规修订、审批状态等因素影响，通常为阶段性更新。文档结构复杂，包含大量专业术语、缩写、图表和表格。字段涵盖患者特征、肿瘤分型、治疗方案、剂量、疗效指标（如ORR、PFS、OS）、不良反应等级、生物标志物、病理报告等。单位多涉及剂量（mg、g）、时间（天、月、年）、体积（ml）、浓度（ng/mL）以及各类临床评分标准。
这些特征在「多轮对话与提示词」这一环带来什么约束
实体瘤质量文档的复杂性对多轮对话的准确性和提示词的构建提出了具体要求。专业术语和缩写多，要求模型具备强大的语义理解能力，避免歧义，并能在多轮对话中保持上下文的连贯性。例如，针对不同肿瘤类型，同一疗效指标的解读可能存在差异，提示词需引导模型精确识别特定语境。文档更新的阶段性意味着知识库需要定期维护，以确保模型基于最新数据进行响应。多样的字段和单位要求提示词能够精准定位信息，例如，区分不同剂量单位的药物信息，或根据不良反应等级进行筛选。文档结构复杂则要求模型能够从长文本中有效提取关键信息，并在对话中灵活引用不同章节内容。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000 tokens | 实体瘤文档信息密度高，较长的上下文窗口有助于模型在多轮对话中维持对复杂案例的全面理解。 |
分段长度 | 800–1200 字符 | 兼顾语义完整性和向量召回效率，避免将关键信息切断。 |
召回条数 | 前 8 条 | 实体瘤查询通常涉及多个维度，增加召回条数可以提高相关信息的覆盖度，减少遗漏。 |
相似度阈值 | 0.78–0.85 | 在保证召回相关性的同时，适度放宽阈值，以便捕获与查询意图相关但表述不完全一致的专业术语或缩写。 |
重排返回条数 | 前 5 条 | 经过重排，确保最相关的核心信息优先呈现给模型，提升多轮对话的精准性。 |
历史对话轮次 | 5–7 轮 | 实体瘤诊断与治疗方案探讨常需多轮追问，维持一定历史对话轮次有助于模型理解用户意图演变，并根据前几轮的讨论进行深入分析。 |
提示词温度 | 0.2–0.5 | 针对质量文档的严谨性，较低的温度值有助于模型生成更精准、事实性更强的回复，减少模型自由发挥带来的不确定性。 |
容易做错的三处
- 现象：多轮对话中，模型无法准确关联前几轮提到的具体患者信息或药物剂量。原因：
历史对话轮次设置过短，导致模型丢失关键上下文。 - 现象：用户提问涉及某个疗效指标时，模型回复内容泛泛，未能聚焦到实体瘤特定分型下的解读。原因：提示词中未明确要求模型结合实体瘤类型进行具体分析，
召回条数或相似度阈值过低导致相关背景信息未被充分召回。 - 现象：在工作流中设置了多个AI对话节点，但最终输出结果包含了所有节点的回复，难以形成流畅的单一对话。原因：工作流设计时未有效管理每个
AI对话节点的输出，没有将各节点回复进行整合或筛选，直接将所有中间结果暴露。
怎么确认配好了
- 进行多轮模拟对话，涵盖实体瘤诊断、治疗方案比较、不良事件查询等场景，检查模型是否能持续理解上下文并给出相关性高的回复。
- 测试模型在回答特定专业术语或缩写时，能否提供准确的解释或上下文信息，以此核对
相似度阈值和分段长度的有效性。 - 设计包含复杂条件和交叉引用的查询，验证模型能否从多个召回文档中提取并整合信息，判断
召回条数和重排返回条数是否合理。
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。