我们构建了 CRISS（Cancer Registry Intelligent Support System），采用检索增强生成（RAG）框架，为癌症登记员提供快速、带引用的指导。系统首先从国家癌症登记标准中抽取元数据标记的段落，使用密集向量进行索引。用户提问时，检索模块返回相关段落，随后大语言模型（LLM）基于这些段落生成带来源的答案。为评估效果，我们选取了易、中、难三类登记问题，使用 LLM‑as‑a‑Judge 方法比较 RAG 与非 RAG（纯生成）模型在 Gemini 与 GPT 系列中的表现。结果显示，RAG 在所有难度上的引用覆盖率均显著高于非 RAG，分别为 0.62/0.56/0.59 对比 0.29/0.26/0.29；语义相似度也整体更优。专有 RAG 在易、中题上表现最佳，开源本地 RAG 在难题上领先，且专有模型更倾向于保守回答。实验表明，领域特化的 RAG 能提升证据依据和答案质量，同时保留人工对最终编码决策的监督。
CRISS 展示了以人为中心、引用支撑的 AI 在癌症登记工作中的潜力，为培训和帮助台提供了可靠的辅助工具。
点评：该系统通过检索与生成的协同，显著提升了专业领域问答的准确性和可追溯性，为监管合规提供了技术支撑。