这个品类的数据长什么样
苗头化合物筛选的数据主要来源于高通量筛选实验报告、化合物结构数据库（如 PubChem、ChEMBL）、体外活性测试数据以及初步的体内药效学研究报告。这些数据通常以结构式文件（SDF、MOL2）、CSV、Excel 表格或 PDF 实验报告的形式存在。更新节奏因项目进展而异，高通量筛选结果可能每周更新，而结构数据库更新频率较低。文档结构通常包含化合物 ID、化学结构、分子量、LogP、拓扑极性表面积（TPSA）等理化性质，以及不同靶点的 IC50、EC50 值或抑制率。单位严格统一，例如浓度单位通常为 nM 或 µM，活性值以百分比或具体效价表示。
这些特征在「工作流编排」这一环带来什么约束
苗头化合物筛选数据的异构性对工作流编排提出了挑战。结构式文件需要专门的解析工具，CSV/Excel 数据需要识别并标准化字段，PDF 报告则涉及 OCR 及信息抽取。数据更新的周期性要求工作流支持定时触发与增量处理。例如，新的高通量筛选批次数据到达时，工作流需能自动启动，避免人工干预。此外，化合物结构和活性数据之间的关联是核心，工作流需确保在数据整合过程中，化合物 ID 作为关键字段能够准确匹配。理化性质和活性指标的单位统一性，也要求在数据预处理阶段进行严格的校验和转换，以保证后续分析的准确性，防止因单位不一致导致的计算错误。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
知识库预处理分段长度 | 1000–1200 字符 | 化合物结构描述、实验方法和结果通常较长，保证语义完整性。 |
知识库预处理重叠长度 | 150 字符 | 确保相邻文本段落间有足够上下文衔接，提升召回质量。 |
相似度阈值 | 0.75–0.85 | 兼顾召回准确性与覆盖度，减少不相关化合物的干扰。 |
召回条数 | 10–15 条 | 在保证检索效率的同时，提供足够多的潜在苗头化合物进行分析。 |
HTTP 请求超时时间 | 60 秒 | 化合物结构解析或外部数据库查询可能耗时较长。 |
工作流缓存有效期 | 24 小时 | 筛选数据更新不频繁，减少重复计算，提高效率。 |
容易做错的三处
- 配置了 HTTP 请求节点，但外部 API 返回的化合物数据字段为空，导致后续分析步骤中断。这通常是由于请求参数格式不正确，或者 API 返回的数据结构与预期不符。
- 工作流执行超时，尤其是在处理大规模结构式文件或进行复杂化学结构比对时。这可能是因为计算资源不足，或者
HTTP 请求超时时间设置过短。 - 在集成新的高通量筛选数据后，部分化合物活性数据未被正确识别并纳入知识库。这往往是由于新的数据文件格式或字段命名与现有数据模型不兼容。
怎么确认配好了
- 执行一个包含典型结构式文件和活性数据的端到端工作流，检查所有中间步骤输出是否符合预期格式和内容。
- 通过 FastGPT 的调试界面，逐个节点查看数据流转情况，特别是数据转换和清洗节点，确认字段名称、数据类型和单位是否正确。
- 在知识库中检索特定化合物 ID 或结构片段，验证是否能准确召回相关文档，并检查召回条数是否在合理范围内。
- 模拟新的筛选数据导入，观察工作流能否自动触发并成功处理，最终结果是否反映了最新的数据更新。
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。