高值耗材产品的工作流编排

这个品类的数据长什么样

高值耗材产品的数据主要来源于生产厂商提供的产品说明书、技术白皮书、临床应用指南以及各级医疗机构的采购目录。数据更新频率相对较低，通常随产品迭代或批次更新，年度更新为主，偶有季度性补充。文档结构通常为 PDF 格式，包含大量的图表、批号、序列号、生产日期、有效期、灭菌方式、储存条件等关键字段。单位方面，除了常规的长度、重量单位，还常涉及特定医疗参数，例如 mm (毫米)、g (克)、ml (毫升)、IU (国际单位)、mmHg (毫米汞柱)、kPa (千帕) 等，且产品批次信息对溯源至关重要。

这些特征在「工作流编排」这一环带来什么约束

高值耗材产品数据的 PDF 文档结构复杂，包含大量非结构化信息，对文本提取和结构化处理提出了高要求。其较低的更新频率意味着知识库构建时需要关注版本管理，确保始终使用最新且准确的资料。字段与单位的特殊性要求工作流在解析时能准确识别并归一化，避免因单位混淆导致错误。例如，处理不同厂商对同一参数使用不同单位的情况，需要预设单位转换逻辑。批次信息的敏感性决定了在数据处理环节需格外注意数据完整性，任何批号或序列号的缺失都可能影响产品追溯。此外，针对不同批次的产品可能存在细微差异，工作流需要能处理这类版本控制带来的数据分层问题。

配置怎么定

配置项	建议取法	这样取的依据
`分段长度`	`500–800 字符`	高值耗材说明书内容密度大，过长分段会稀释关键信息，过短则可能切断完整描述。
`召回条数`	`前 8–12 条`	确保覆盖产品型号、规格、批次、使用方法等多个维度的信息，避免遗漏关键细节。
`相似度阈值`	`0.75–0.85`	保证召回结果与用户查询高度相关，减少不准确的耗材信息干扰。
`重排返回条数`	`前 5 条`	集中展示最相关的核心产品信息，提升用户获取有效信息的效率。
`PARSE_FILE_TIMEOUT_SECONDS`	`600 秒`	高值耗材 PDF 文档通常较大，解析时间较长，预留充足时间避免解析失败。
`maxContext`	`4000–8000 tokens`	确保 AI 有足够上下文理解复杂的产品技术参数和临床应用场景。

容易做错的三处

工作流执行时，AI 对话变量无法获取代码运行输出的内容。原因在于代码执行结果未正确赋值给后续节点可访问的变量，或变量名引用不一致。
HTTP 返回内容无法被 AI 引用，提示 undefined 或 null。原因在于 HTTP 请求返回的数据格式与预期不符，或者 JSON 解析路径错误，导致无法提取到目标字段。
查询结果中产品批次信息缺失或不准确。原因在于原始文档解析时，针对批号、序列号等格式多样的字段，正则匹配或结构化提取规则不够完善。

怎么确认配好了

针对典型的高值耗材查询（如“某型号支架的适用症”），检查工作流返回的答案是否包含产品名称、型号、批次、适用范围等关键字段，并与原始文档进行核对。
使用包含不同单位（如 mm 和 cm）的查询，验证工作流是否能正确识别并统一单位，确保数值的准确性。
模拟查询某个已停产或更新批次的产品，检查工作流是否能给出正确的版本信息或提示产品已更新。
测试包含产品批号的查询，验证工作流能否准确关联到特定批次的产品信息，例如有效期或生产日期。

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。