RA部门AI智能问答平台 OpenSpec 提案
基本信息
| 版本 | 日期 | 描述 | 作者 | 状态 |
|---|---|---|---|---|
| v1.0.0 | 2026-01-12 | 初始提案发布 | RA 部门 | Proposal |
标签：OpenSpec Proposal AI RA |
1. 摘要 (Abstract)
本提案旨在定义 “注册智答星” —— 一个专为 RA（法规注册）部门设计的 AI 智能问答平台的构建规范。该平台依托企业微信 AI 能力，结合历年沉淀的注册法规资料，通过标准化的提示词设计、业务导向的数据处理和智能化的批量维护机制，解决日常办公中法规查询效率低、信息检索不精准的问题。本规范详细描述了平台的设计原则、核心功能模块、实施路径及未来演进方向。
2. 介绍 (Introduction)
2.1 背景
随着医疗器械注册法规的不断更新和累积，人工查阅资料的时间成本日益增加。为提升部门协作效能，急需引入智能化工具辅助日常办公。
2.2 目标
- 构建一个“懂业务”的 AI 助手。
- 实现法规资料的快速检索与精准问答。
- 降低人工重复答疑成本，提升团队整体效率。
2.3 范围
本提案涵盖平台的数据结构设计、提示词工程规范、维护流程及基于企业微信的部署策略。
3. 系统架构 (System Architecture)
平台基于 企业微信 AI 问答机器人 架构，分为三层：
- 数据层 (Data Layer)：
- 核心数据库：历年归档的注册法规文件、指导原则、标准回答库。
- 标签体系：基于业务流程的多维标签（产品类型/法规类型/适用场景）。
- 逻辑层 (Logic Layer)：
- 提示词引擎：负责用户意图识别、上下文约束及输出格式化。
- 检索增强：基于 Tag 的精准匹配与召回。
- 交互层 (Interaction Layer)：
- 前端：企业微信聊天窗口。
- 反馈机制：用户点赞/点踩及纠错反馈。
4. 核心规范 (Core Specifications)
4.1 提示词设计规范 (Prompt Engineering Spec)
提示词是平台的核心逻辑载体，必须遵循以下规范：
- 业务适配性原则：提示词必须映射实际业务逻辑。
- Requirement：对于易混淆概念（如定量 vs 定性产品），必须在 System Prompt 中预置判断逻辑和示例。
- 输出标准化原则：强制规定关键信息的输出格式。
- Constraint：分类编码必须符合正则格式
^\d{4}-\d{2}-\d{5}$(示例：6840-10-10022)，禁止输出模糊结果。
- Constraint：分类编码必须符合正则格式
- 迭代机制：采用
Dev-Staging-Prod模式。- Process：先在个人机器人（Staging）调试，验证通过后同步至企业机器人（Prod）。
4.2 数据处理规范 (Data Processing Spec)
数据是 AI 的“知识”，需按业务流进行结构化：
- 标签分类体系：
- Level 1 (产品维度)：
试剂类/仪器类(依据名称特征如“分析仪”vs“试剂盒”自动预判)。 - Level 2 (法规维度)：
通用指导原则/专用指导原则。 - Level 3 (场景维度)：
注册申报/变更备案/临床评价。
- Level 1 (产品维度)：
- 知识颗粒度：单个问答对（Q&A Pair）应聚焦单一知识点，避免长篇大论。
4.3 批量维护规范 (Batch Maintenance Spec)
利用 AI 工具（如企业微信智能表格）进行问答对扩充：
- 相似问生成策略：
- Input：标准回答 + 核心问题。
- Instruction：生成 5 个变体问题，包含至少 2 个口语化/场景化提问。
- Quality Gate：所有生成内容必须经人工（RA 专家）审阅，剔除歧义项。
5. 实施指南 (Implementation Guidelines)
5.1 搭建阶段
- 资料清洗：按 4.2 数据处理规范整理现有法规文档。
- 原型开发：编写 V1 版提示词，覆盖高频查询场景（如分类界定、注册流程）。
- 内部测试：邀请 2-3 名资深注册专员进行对抗性测试（故意提出模糊问题）。
5.2 部署与运维
- 上线发布：将验证后的配置部署至企业微信后台。
- 持续监控：每周复盘“回答失败”或“用户反馈错误”的案例，更新提示词库。
6. 局限性与路线图 (Limitations & Roadmap)
6.1 当前局限 (Current Limitations)
- Memory：缺乏长期记忆，无法跨会话追踪复杂项目进度。
- Context Window：受限于 3000 字提示词上限，难以容纳全量法规逻辑。
- Hallucination：在数据边界模糊时可能产生“AI 幻觉”。
6.2 演进路线 (Future Roadmap)
- Phase 1 (Optimization)：细化业务领域，拆分多机器人（如“IVD 专家”、“有源设备专家”）以规避 Token 限制。
- Phase 2 (Integration)：探索 RAG（检索增强生成）技术，挂载外部知识库，突破上下文限制。
- Phase 3 (Intelligence)：建立数据反馈闭环，让 AI 从用户修正中自动学习。
7. 结论 (Conclusion)
本 OpenSpec 提案确立了 RA 部门 AI 智能问答平台的基础架构与执行标准。通过规范化的建设，我们不仅是在部署一个工具，更是在沉淀部门的隐性知识资产。未来，随着规范的执行与技术的迭代，该平台将成为 RA 部门不可或缺的智能协作伙伴。