这个品类的数据长什么样
CMC（化学、制造与控制）研究制度文档通常以 PDF、Word 或扫描件形式存在，内容涵盖药物研发、生产、质量控制及合规性等多个阶段的详细规定与操作流程。数据源主要来自企业内部的质量管理体系（QMS）文档库、法规部门发布的指南文件以及项目执行过程中积累的报告。更新频率相对较低，通常遵循法规更新或内部流程优化周期，可能为季度或年度更新。文档结构严谨，包含大量章节、小节、附录，并常配有图表、公式和专业术语。字段涉及批次号、规格、检测方法、限度、稳定性数据、仪器校准记录等，单位严格遵循药典或行业标准，如 mg/mL、ppm、°C、pH 值，精确到小数点后多位。
这些特征在「工作流编排」这一环带来什么约束
CMC 研究制度文档的严谨性与专业性，对工作流编排提出了特定要求。文档中的专业术语和精确单位，要求知识库切片和检索必须高度准确，避免语义泛化导致误解。文档更新频率低但影响范围广，意味着知识库需要定期全量或增量同步，并确保版本管理机制能追溯历史修订。复杂的文档结构，如多层级标题和附录，要求工作流中的文档解析器能够准确识别并提取不同层级的信息，确保问答上下文的完整性。此外，制度问答往往涉及多步骤逻辑判断和数据比对，例如根据特定批次号查询对应检测标准，或根据生产工艺步骤判断适用法规条款，这需要工作流能够支持条件分支和多轮对话，甚至与外部数据库进行集成以获取实时数据。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 确保制度条款的完整性，避免关键信息被截断。 |
召回条数 | 前 8–12 条 | CMC 制度查询通常涉及多个相关条款，增加召回量提升覆盖率。 |
相似度阈值 | 0.78–0.85 | 制度问答对准确性要求高，过低易引入无关信息，过高易漏召。 |
maxContext | 4000–6000 token | 确保能容纳多轮对话上下文和召回的多个制度条款。 |
LLM_MODEL | gpt-4o-mini 或 ERNIE-4.0-8K | 需支持复杂逻辑理解和长文本处理，同时兼顾成本。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型 PDF 或 Word 文件时，给予足够的解析时间。 |
容易做错的三处
- 工作流停滞不前，日志显示无响应或超时。原因可能是文档解析节点处理大型制度文件时超出
PARSE_FILE_TIMEOUT_SECONDS设置。 - AI 回复中出现不相关的条款或数据。原因可能是
相似度阈值设置过低，导致召回了语义上相近但实际无关的内容。 - 全局变量无法正确赋值或传递。原因可能是字符串数组赋值格式不正确，或变量类型与预期不符。
怎么确认配好了
- 上传多个典型的 CMC 制度文档，检查文件解析节点是否能正常完成处理，并核对切片内容与原文的一致性。
- 针对核心制度条款提出多轮问答，观察 AI 的回复是否准确、全面，并能正确引用制度原文。
- 模拟复杂的查询场景，例如涉及多个批次或多种检测方法的问答，验证工作流中的条件分支和变量传递逻辑是否正确。
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。