这个品类的数据长什么样
呼吸系统注册申报资料涉及的数据来源多样，包括临床试验报告、药理毒理研究数据、生产工艺文件、质量标准、稳定性研究数据以及非临床研究报告等。这些数据往往以多种格式存在，如 PDF、Word 文档、Excel 表格、图片和结构化数据库记录。数据更新频率相对较低，主要集中在新药研发阶段和上市后的变更申报。文档结构通常遵循ICH（人用药品注册技术要求国际协调会议）M4通用技术文档（CTD）格式，分为模块1至模块5。字段和单位具有高度专业性，例如，在药理毒理报告中可能涉及 LD50 (半数致死量) 单位为 mg/kg，临床试验数据中涉及 FEV1 (第一秒用力呼气容积) 单位为 L 或 % predicted，以及药物浓度 Cmax (血药峰浓度) 单位为 ng/mL。
这些特征在「工作流编排」这一环带来什么约束
呼吸系统注册申报资料的复杂性与专业性对工作流编排提出了特定要求。首先，多源异构的数据格式需要工作流具备强大的文件解析与数据抽取能力，例如对PDF中表格和图表的精确识别。其次，CTD规范的文档结构要求工作流能够理解并遵循特定的层级关系，确保信息在不同模块间的正确关联与引用，这影响了知识库构建时的文档切分策略与元数据标记。数据更新频率低意味着工作流在处理历史数据时，需要侧重于数据一致性校验和版本管理。专业化的字段和单位要求在数据抽取后进行严格的单位标准化和数值验证，避免因单位不一致导致的数据误解，例如将 mg 误识别为 g。此外，部分数据可能以扫描件形式存在，对OCR识别精度和后续人工校对环节的编排至关重要。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 呼吸系统注册申报资料文件通常较大，包含复杂图表和大量文本，需要更长的解析时间。 |
分段长度 | 800–1200 字符 | 确保每个分段包含足够上下文，同时避免单个分段过长导致语义分散，尤其在处理临床试验结果描述时。 |
召回条数 | 前 5 条 | 考虑到专业文档的精确性要求，在进行RAG检索时，增加召回条数有助于覆盖更全面的相关信息。 |
相似度阈值 | 0.75 | 提高相似度阈值，确保召回的资料与查询意图高度相关，减少无关信息的干扰，特别是法规条款和技术参数的匹配。 |
WORKFLOW_MAX_RUN_TIMES | 100 | 应对复杂的工作流分支和循环处理，例如多份临床报告的迭代分析，确保流程有足够的执行次数。 |
批量执行节点输入长度 | 20000 字符 | 适应单个环节可能处理的较长文本内容，例如一份完整的药物质量标准或临床摘要。 |
容易做错的三处
- 在循环处理多个文档时，
mcp调用返回none。这通常是由于并发量过高导致外部服务限流或响应超时，工作流未配置合适的重试机制或并发控制。 - 工作流节点连线正常，但流程卡在当前位置无法进入下一步。这可能是因为前置节点的输出数据结构与当前节点的期望输入不匹配，导致解析失败或条件判断未通过。
- 文本拼接后输出结果为空或不完整。这多半是由于循环节点的结果内容过长，超出了文本拼接节点的处理上限，或在拼接前未对内容进行有效过滤和截断。
怎么确认配好了
- 通过小批量模拟数据运行工作流，检查每个节点的输出与预期是否一致，尤其是数据抽取、格式转换和字段校验环节。
- 在工作流中加入断点或日志输出节点，观察关键中间变量的值和类型，确认数据在不同节点间的传递是否正确。
- 针对特定场景（例如包含复杂表格的PDF解析、多单位数值的标准化），构造测试用例，验证工作流的容错能力和数据处理准确性。
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。