这个品类的数据长什么样
批记录审核的数据主要来源于药品生产过程中的纸质或电子批记录文档。这些文档通常包含详细的生产工艺参数、物料批次信息、操作人员签名、检验结果和偏差记录。数据更新频率较低，通常在每批次药品生产完成后进行归档。文档结构高度标准化，遵循 GMP（良好生产规范）要求，常见格式有 PDF 扫描件或结构化 XML/JSON 文件。字段包括但不限于：批号、生产日期、有效期、关键工艺参数（如温度、压力、时间）、物料批次号、检验项目、检验结果、偏差描述、偏差处理措施等。单位多样，涉及时间（小时、分钟）、温度（摄氏度）、压力（帕斯卡）、数量（千克、升）、浓度（毫克/毫升）等。
这些特征在「工作流编排」这一环带来什么约束
批记录数据的标准化结构和低更新频率，使得工作流设计更侧重于批处理和合规性验证。文档格式的多样性（如 PDF 扫描件）要求工作流能够集成 OCR 能力进行文本抽取，这会引入额外的处理时间和潜在的识别误差。关键工艺参数和检验结果的数值型字段需要进行严格的范围校验，以识别潜在的生产异常。偏差描述等自由文本字段则需借助自然语言处理技术，识别药物警戒相关的关键词和风险信号。工作流的失败处理机制需考虑 OCR 识别失败、数值解析错误以及语义理解偏差等情况，确保每一次审核的准确性和可追溯性。此外，由于其合规性要求，工作流中的数据流转和操作记录必须完整且不可篡改。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 4000 | 批记录文档通常较长，需要更大的上下文窗口来捕获完整信息。 |
分段长度 | 800 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影响召回效率。 |
召回条数 | 前 8 条 | 综合考虑信息密度和处理效率，覆盖相关批记录的关键信息。 |
相似度阈值 | 0.75 | 针对批记录中专业术语和标准化描述，提高匹配准确性，降低误召回。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | PDF 扫描件的 OCR 处理可能耗时较长，预留充足的文件解析时间。 |
maxRetry | 3 次 | 应对 OCR 识别或外部服务调用可能出现的瞬时网络波动或服务过载。 |
容易做错的三处
- HTTP 请求节点输出未在对话中显示：通常是由于
output字段没有正确映射到对话响应，或者对话模型未配置为引用该节点输出。 - SQL 生成助手未能正确执行查询：现象可能是生成的 SQL 语法错误或查询结果为空，原因在于 AI 模型对数据库模式理解不足或缺少必要的表结构信息。
- 工作流循环体无法按预期终止或执行：可能是循环条件设置不当，导致无限循环或提前退出，未充分考虑批记录中可能出现的复杂逻辑分支。
怎么确认配好了
- 上传一份包含关键工艺参数和偏差记录的批记录 PDF，检查工作流能否准确抽取
批号、生产日期和偏差描述等字段。 - 通过工作流模拟一个批记录中存在异常数值的场景（例如温度超出规定范围），验证工作流是否能正确触发异常告警或标记。
- 使用一个包含多种文档格式（如结构化 XML 和扫描 PDF）的测试集，确认工作流对不同格式批记录的处理兼容性。
- 查看工作流执行日志，确认所有外部 HTTP 请求（例如调用数据库或外部风险评估服务）的状态码均为
200或预期成功代码。
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。