这个品类的数据长什么样
批记录审核的数据主要来源于药厂生产过程中的各类生产批记录、质量控制（QC）报告、设备校准记录、人员培训档案以及环境监测数据。这些数据通常以非结构化文档（PDF、扫描件、图片）、半结构化表单（Excel、XML）和结构化数据库记录的形式存在。更新频率方面，批记录数据通常在每个生产批次完成后进行归档，更新周期与生产周期一致，可以是每周、每月或每季度。文档结构复杂，包含大量的文本描述、表格数据、图表和签名信息。关键字段包括批次号、生产日期、有效期、原辅料批次、各工序操作参数（如温度 °C、压力 psi、时间 min）、检验结果（如纯度 %、含量 mg/mL）、偏差记录及处理措施。单位多样，涉及质量、体积、时间、温度等多种物理量。
这些特征在「工作流编排」这一环带来什么约束
批记录数据的非结构化和半结构化特性，对工作流中的文档解析和信息提取提出了高要求，需要结合OCR技术和自然语言处理（NLP）进行多模态数据处理。数据更新频率决定了工作流的触发机制，通常采用定时触发或事件驱动（如新批记录归档）模式。复杂的文档结构和多样的字段单位，要求工作流中的数据清洗和标准化步骤具备高度的灵活性和可配置性，需要精确定义正则表达式或语义规则来识别和转换关键信息。此外，批记录中可能存在的手写批注、模糊图片等低质量数据，增加了数据预处理的难度，对错误处理和人工介入机制的设计提出了挑战。工作流必须能够处理数据的不一致性和缺失，确保预筛结果的准确性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型批记录PDF文件（可能包含数百页）所需的解析时间 |
分段长度 | 800 字符 | 兼顾语义完整性和LLM处理效率，避免长文本切分导致上下文丢失 |
召回条数 | 前 10 条 | 确保能够覆盖到批记录中分散的关键信息点，提高信息检索的全面性 |
相似度阈值 | 0.75 | 平衡召回率与准确率，过滤掉不相关的批记录片段，同时保留潜在关联项 |
重排返回条数 | 5 条 | 经过重排后，聚焦于与预筛规则最相关的核心批记录片段 |
maxContext | 4096 tokens | 适应批记录中复杂描述和多变量数据，确保LLM能处理足够上下文进行判断 |
容易做错的三处
- 现象：工作流执行超时，批记录文件未能成功解析。原因：
PARSE_FILE_TIMEOUT_SECONDS参数设置过低，对于包含大量图片或扫描件的超大PDF文件，默认解析时间不足。 - 现象：AI回答中引用的批记录信息与原文存在偏差或缺失。原因：
分段长度设置不合理，导致批记录中的关键数据或上下文被截断，影响LLM对信息的理解和整合。 - 现象：预筛结果中未能识别出批记录中的关键偏差或异常值。原因：
相似度阈值设置过高，过滤掉了虽然相似度略低但包含重要异常信息的批记录片段。
怎么确认配好了
- 上传具有代表性的批记录文档集，观察工作流执行时间，确保所有文档都能在预期时间内完成解析并生成中间结果。
- 随机抽取多个批记录，检查其解析后的文本内容和提取的关键字段，与原始文档进行比对，验证信息提取的准确性和完整性。
- 设计包含已知偏差或异常的测试批记录，运行预筛工作流，验证其是否能准确识别并标记出预设的异常情况，阈值应能区分正常与异常。
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。