这个品类的数据长什么样
生物医药领域的私域咨询转化场景中，跟进提醒的数据主要来源于 CRM 系统、在线问诊平台、患者教育社区等。这些数据通常以结构化或半结构化的形式存在。结构化数据包括患者档案（姓名、联系方式、疾病类型、咨询产品）、咨询记录（时间、内容摘要、咨询人员）、药品或服务推荐记录、随访计划等。半结构化数据可能包含患者的自由文本反馈、咨询过程中的聊天记录。数据的更新节奏取决于业务流程，例如新咨询记录实时生成，随访计划按周期更新，患者反馈则随机发生。文档结构上，通常以 JSON 或 CSV 格式存储，字段包括 patient_id、consultation_id、follow_up_date、reminder_content、status 等。单位方面，时间字段常用 Unix 时间戳或 ISO 8601 格式，疾病类型和药品名称常采用标准医学术语编码，如 ICD-10 或 NDC。
这些特征在「工作流编排」这一环带来什么约束
跟进提醒数据的多样性和实时性对工作流编排提出了特定要求。首先，数据来源的异构性决定了工作流需要支持多源数据接入，例如通过 API 连接 CRM 系统，或通过定时任务拉取数据库数据。其次，实时性要求工作流能够快速响应新事件，例如当新的咨询记录生成时，立即触发后续的跟进提醒流程。文档结构的半结构化特性意味着在数据处理环节需要具备一定的文本解析能力，例如从聊天记录中提取关键信息，填充到结构化字段中。字段与单位的标准化则约束了数据清洗和转换的逻辑，确保数据在不同组件之间传递时保持一致性，例如 follow_up_date 字段必须是有效的日期格式，reminder_content 中的药品名称需要与内部知识库中的标准名称匹配。这些约束共同决定了工作流在数据获取、处理、逻辑判断和执行输出等环节的配置细节。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
数据源类型 | API 或 数据库 | 根据实际数据来源选择，确保数据能够实时或准实时获取。 |
触发方式 | 事件触发 | 新咨询记录或随访计划更新时立即触发，保证提醒的及时性。 |
文本解析模型 | fastgpt-3.5-turbo-16k | 处理患者自由文本反馈，提取关键信息，兼顾成本与性能。 |
最大并发任务数 | 20 | 应对高并发咨询量，避免任务堆积，确保提醒及时发出。 |
重试间隔 | 60 秒 | 外部系统（如短信服务）偶发性故障时，给予合理间隔重试，避免漏发。 |
超时时间 | 30000 毫秒 | 确保工作流在合理时间内完成，避免长时间阻塞。 |
容易做错的三处
- 工作流启动后无法获取到最新的咨询数据，通常是由于数据源连接配置错误或权限不足导致。
- 跟进提醒内容出现乱码或信息缺失，原因在于文本解析组件未能正确识别和提取半结构化文本中的关键字段。
- 批量提醒发送失败或延迟严重，往往是由于工作流的并发限制过低或外部发送服务达到速率限制。
怎么确认配好了
- 模拟创建一条新的私域咨询记录，观察工作流是否被成功触发，并检查生成了预期内容的跟进提醒。
- 在工作流日志中查看数据流转过程，确认
patient_id、follow_up_date等关键字段的值是否正确无误。 - 测试不同复杂度的患者反馈文本，验证文本解析组件能否稳定提取出
reminder_content所需的关键信息。 - 通过压力测试或模拟高并发场景，评估工作流在处理大量跟进提醒时的性能表现，确保没有明显的延迟或错误。
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。