INFO
来源路径：
raw/02_项目文档/AI智能问答平台/RA部门AI智能问答平台搭建经验总结.md归档日期：2026-01-12 | 状态：已归档 | 标签：AIRA经验总结问答平台效率
RA部门AI智能问答平台搭建经验总结
TL;DR
RA部门为提升办公效率，依托企业微信AI问答机器人能力搭建了注册法规专属AI问答平台「注册智答星」，本文总结了平台搭建全流程的实操经验，明确了当前阶段的局限性与未来升级方向，核心结论为：AI问答工具想要适配业务需求、切实提升效率，必须以业务逻辑为核心，做好提示词精准设计、业务导向的数据处理，借助智能工具实现高效维护，现阶段应聚焦细分业务领域避免AI幻觉。
核心经验要点
1. 提示词设计：精准适配业务+快速迭代
- 提示词是AI问答平台高效运转的核心，除标准化配置外，提示词对业务场景的贴合深度直接决定输出结果精准度，只有精通自身业务逻辑，才能设计出直击需求的提示词
- 「边用边调」的迭代模式比纯理论设计更有效：初步设计后即可上线，通过实际使用收集反馈持续优化
- 推荐先在个人机器人调试测试，效果稳定后再同步到企业机器人，可提升搭建效率
调试优化示例
原始问答案例（优化后效果）：
胰岛素检测盒的完整分类编码是什么
胰岛素检测盒的完整分类编码为 6840-10-10022。 该编码结构表明：
6840：体外诊断试剂的分类编码10：一级序号，代表“用于激素检测的试剂”10022：二级序号，专指胰岛素检测试剂该产品用于检测人体样本中的胰岛素含量，临床上主要用于评价胰岛功能。
两次实际优化场景：
- 发现机器人易混淆定量/定性产品的性能评估要求，在提示词补充各类产品对应指导原则示例强化区分
- 发现机器人输出分类编码不规范（仅输出前四位
6840而非要求的完整6840-XX-XXXXX格式），通过优化提示词明确标准输出格式解决问题
2. 数据处理：业务导向是核心前提
- 数据处理的核心逻辑是贴合自身业务流程，需要按照实际工作中查询资料的路径给资料库打标签，才能帮助AI快速定位关键信息；不懂业务的设计无法满足实际使用需求
引用观点
飞书多维表格产品经理王大仙：懂业务的人才能做好 AI
标签体系设计示例
以查询药监局审评指导原则为例，Tag体系设计需结合工作流程：先区分试剂类/仪器类产品，再划分通用指导原则/产品专用指导原则，同时通过提示词明确AI判断流程，辅助AI先定位产品类型再检索输出，保障结果准确。
3. 批量维护：借助智能工具提升效率与精准度
- 对于严格限制输出、禁止AI联想的问答对，积累相似问题可帮助AI更精准匹配答案
- 可借助AI批量生成相似问题节省手动撰写时间，核心是设计贴合业务的提示词并附上示例，生成后必须经过人工审阅排除歧义，保障问答对有效性
批量生成提示词示例
“你是一个医疗器械注册专家，根据问题列和标准回答列，生成 5 个在注册工作中可能会提出的相似形式的问题，需对应同一标准回答。每个问题分行并标注序号，其中至少 2 个以注册专员口吻简洁发问。如‘我正在注册一个 xxx 产品，需要注意哪些内容？’”
4. 当前局限性与未来升级方向
- 当前平台仍处于AI智能办公初级阶段，需要懂业务的团队持续协同优化才能保障效果，单靠个人无法完成持续迭代
- 本次依托的企业微信问答机器人存在明确局限：
- 缺乏长期记忆训练能力
- 提示词仅支持3000字限制，无法满足综合业务平台需求
- 现阶段的搭建策略建议：聚焦细化业务领域，避免过度庞大的数据库引发AI幻觉，同时持续沉淀优化业务数据，逐步向更智能的方向升级
总结
本次「注册智答星」平台搭建，以注册法规业务需求为核心，通过精准适配场景的提示词设计、贴合实操流程的数据处理、智能工具支撑的高效维护，初步实现了办公场景的智能辅助；只有正视当前局限、依托团队协同持续优化，才能推动AI工具与注册业务深度融合，真正实现降低资料查阅成本、提升部门协作效能、助力注册业务高质量推进。
Transclude of ra_ai_knowledge.base
冲突标注
无已知冲突，本内容为RA部门单来源经验总结，未与其他来源内容产生矛盾。