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、化合物性质表征报告、以及初期药效学评价文档。这些文档通常以 PDF、DOCX 或 XLSX 格式存在。更新频率方面，新的筛选批次或化合物合成批次完成后，相关报告会随之生成，通常以周或月为周期。文档结构上，报告常包含摘要、实验方法、数据图表、结果分析等章节。字段与单位具有高度专业性，例如 IC50 值（单位 nM 或 µM）、溶解度（单位 µg/mL）、LogP 值、以及各类细胞毒性指标。这些数据往往分布在表格、文本描述或嵌入式图片中。
这些特征在「对话日志与审计」这一环带来什么约束
苗头化合物筛选文档的专业性和数据分布特性，对对话日志与审计提出了特定要求。高通量筛选结果的批量性，决定了日志中需要清晰记录每次解析的文档批次与对应的化合物ID范围，以便追溯。由于数据更新频率中等，审计时需能快速比对不同版本文档解析结果的差异。文档中包含的专业字段和单位，要求日志不仅记录用户查询，还需捕获系统对这些专业术语的理解和转换过程，例如将“nM”统一转换为“µM”进行比较。此外，图表信息的结构化提取，使得日志需记录图像识别与文本解析的关联性，确保审计时能还原数据来源。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
logLevel | INFO | 记录关键操作与异常，避免日志量过大影响性能，同时满足审计需求 |
maxContext | 800–1200 字符 | 苗头化合物描述通常较长，保留足够的上下文有助于理解用户意图，避免频繁追问 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 筛选报告文件可能较大且结构复杂，需要较长的解析时间，防止因超时导致解析失败 |
auditLogRetentionDays | 90 天 | 满足研发项目周期内的审计需求，便于追溯历史查询与解析记录 |
logSensitiveFields | false | 化合物结构式等信息可能涉及知识产权，日志中不直接记录原始敏感数据 |
documentIdPattern | ^[A-Z]{2}\d{4}-\d{2}$ | 统一文档ID格式，便于日志关联和后续审计查询 |
容易做错的三处
- 日志中缺少关键的文档批次或化合物ID信息，导致无法追溯特定筛选结果的解析来源，原因是没有在工作流中正确配置
documentId或batchId字段的传递。 - API调用日志显示余额异常消耗，但FastGPT内部查询日志却无对应记录，原因可能是OneAPI配置中
token未正确映射，导致FastGPT在调用时使用了默认或错误的身份凭证。 - 解析大型报告文件时频繁出现超时错误，但在日志中只显示“文件解析失败”，原因是没有根据苗头化合物筛选报告的实际大小和复杂程度，调整
PARSE_FILE_TIMEOUT_SECONDS参数。
怎么确认配好了
- 通过FastGPT管理界面，随机选择几个已解析的苗头化合物筛选报告，检查其关联的日志记录，确保包含完整的
documentId、batchId和用户查询内容。 - 模拟一次包含专业术语（如IC50、溶解度）的查询，检查日志中是否正确记录了查询语句以及系统对这些术语的处理过程，例如单位转换的痕迹。
- 尝试上传一个大小接近
UPLOAD_FILE_MAX_SIZE的复杂报告文件，观察解析过程是否顺畅，并在日志中确认PARSE_FILE_TIMEOUT_SECONDS期间没有发生异常中断。 - 检查
auditLogRetentionDays设置，确保历史日志在设定周期内可被检索，以满足法规或内部审计要求。
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。