这个品类的数据长什么样
招标挂网的药物警戒数据主要来源于各省市药品采购平台、医疗机构内部系统以及药企上报。数据更新节奏通常不固定，受政策调整、新药上市、批次更新等因素影响，可能每月数次或每季度一次，缺乏统一的发布周期。文档结构以结构化表格（如 Excel、CSV）和非结构化文本（如 PDF 格式的挂网通知、采购文件）并存。结构化数据通常包含药品名称、通用名、生产企业、批号、规格、挂网价格、采购单位、用药数量、不良反应上报批次等字段。非结构化文本则可能包含对不良反应事件的具体描述、处理措施和专家意见，这些文本中常出现医学术语、缩写以及非标准化的描述，字段与单位的标准化程度不高，例如剂量单位可能在毫克（mg）和克（g）之间混用，频次描述也可能从“每日两次”到“BID”不等。
这些特征在「工作流编排」这一环带来什么约束
不固定的数据更新节奏要求工作流具备灵活的触发机制，既能支持手动上传，也能通过 API 或定时任务进行周期性抓取，并且需要考虑数据源的异构性。结构化与非结构化数据并存的特点，使得工作流必须集成多种数据预处理模块，例如针对 PDF 文件的 OCR 识别与文本提取，以及针对表格数据的清洗与标准化。非标准化的字段与单位，对工作流中的实体识别和信息抽取模块提出了更高要求，需要配置更强大的语义理解能力和自定义词典。此外，招标挂网数据的敏感性（涉及企业商业信息和患者隐私）要求在工作流中集成严格的数据脱敏和权限控制机制。文件大小可能超出大模型上下文限制，需要工作流在数据输入环节进行智能分段或摘要生成，以避免直接导致 400 错误。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 500 MB | 兼顾大型 PDF 和 Excel 文件上传需求，同时避免过大的文件占用过多系统资源。 |
maxContext | 8000 tokens | 适应招标挂网文件中可能出现的长篇描述，确保关键信息不被截断。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理复杂的 PDF 结构或大型 Excel 表格时，预留充足的解析时间。 |
分段长度 | 1000 字符 | 针对非结构化文本，在保证语义完整性的前提下，优化大模型处理效率。 |
召回条数 | 前 10 条 | 确保从知识库中召回足够多的相关不良反应案例或药品说明，辅助判断。 |
相似度阈值 | 0.75 | 平衡召回的准确性与完整性，避免过多不相关结果干扰，同时不遗漏潜在关联。 |
容易做错的三处
- 文件上传时出现 400 错误，现象是系统提示“请求体过大”或“Payload Too Large”。原因是上传的文件大小超过了
UPLOAD_FILE_MAX_SIZE配置的限制，或者单个请求的数据量超出了服务器或网关的默认限制。 - AI 模型对不良反应报告中的药品批号或剂量单位识别不准确，导致关键信息缺失或错误。原因是工作流中的实体识别模型未针对招标挂网数据的特定格式和术语进行充分训练或自定义词典配置。
- 在处理某批次药品不良反应时，AI 无法关联到该批次的具体挂网信息。原因是工作流中知识库更新频率不足，未能及时同步最新的招标挂网数据，或数据清洗时丢失了批次的关键标识符。
怎么确认配好了
- 上传一份超过 100MB 且包含复杂表格和文本的招标挂网 PDF 文件，检查文件是否能成功解析并建立知识库索引。
- 选取多个具有不同剂量单位（如 mg、g、IU）和批号格式的药品不良反应报告，测试 AI 模型能否准确抽取这些信息，并与预设的标准化格式进行比对。
- 模拟一次新的招标挂网数据发布，通过工作流的自动抓取或手动导入功能，验证知识库能在指定时间内完成更新，并能通过检索查询到新增的挂网信息。
- 针对一个包含长篇不良反应描述的文本，测试 AI 模型生成摘要或进行信息抽取时，结果是否包含了所有关键医学事件和处理措施，可通过人工核对确定其完整性。
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。