这个品类的数据长什么样
稳定性研究的数据主要来源于药物生产过程中的批次记录、检验报告、环境监控数据以及长期留样观察结果。这些数据通常以结构化表格（如 CSV、Excel）、半结构化文本（如 PDF 格式的分析报告、实验日志）和少量非结构化文本（如观察员手写备注）的形式存在。数据更新频率因研究阶段和药物类型而异，早期可能每周更新，上市后则可能按季度或年度更新。文档结构方面，检验报告常包含批号、生产日期、有效期、检测项目、检测方法、结果、单位和判定标准等字段。环境监控数据则涉及温度、湿度、光照等参数，并附带时间戳。字段与单位的特殊性体现在对浓度（如 mg/mL）、pH值、降解产物百分比、溶出度等指标的精确记录和国际单位制（如 IU/mg）的严格遵循。
这些特征在「工作流编排」这一环带来什么约束
稳定性研究数据的多样性要求工作流具备强大的多源数据摄取能力，特别是对 PDF 报告中表格和文本的准确提取。其更新频率决定了工作流调度策略的灵活性，需要支持周期性自动触发，以捕获最新的批次数据和监测报告。文档结构中的关键字段，如批号、检测项目和结果，是构建知识图谱和进行关联分析的基础，这要求工作流中的文本提取和实体识别模块能够精准定位和标准化这些信息。此外，对单位的严格要求意味着工作流在数据清洗和转换阶段需要进行单位校验和统一，避免因单位不一致导致的数据误解或分析错误。例如，不同批次间降解速率的比较，必须确保所有数据都基于相同的温度和湿度单位进行记录和处理。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
document_parser_strategy | table_and_text | 稳定性研究报告包含大量表格数据和解释性文本，需要同时提取。 |
chunk_size | 800–1200 字符 | 确保单个分段能包含完整的实验结果描述或批次信息，同时避免过长导致上下文丢失。 |
recall_top_k | 前 5 条 | 在药物警戒场景下，需要召回足够多的相关批次或类似降解案例进行比对分析。 |
similarity_threshold | 0.75–0.85 | 保证召回的文档与查询内容高度相关，减少噪音数据对分析的干扰。 |
code_execution_timeout | 600 秒 | 应对处理复杂数据转换或模型推理时可能出现的长时间计算，防止任务超时中断。 |
ai_model_temperature | 0.3–0.5 | 药物警戒分析需要结果的准确性和一致性，较低的温度能减少模型输出的随机性。 |
容易做错的三处
- 工作流校验失败，提示“连线不正常”或“缺失、缺值”。原因通常是上游节点输出的字段名与下游节点期望的输入字段名不匹配，或者某些必填参数未赋值。
- 文本提取节点结果为空或不完整。原因在于 PDF 报告的版式复杂，默认的文本提取配置无法准确识别表格边界或多列文本结构。
- AI 模型输出结果与预期不符，例如引用了不相关的批次数据。原因可能在于
similarity_threshold设置过低，导致召回了太多低相关度的文档，稀释了有效信息。
怎么确认配好了
- 运行工作流后，检查每个节点的输出，特别是数据提取节点，确认关键字段（如批号、检测项目、结果、单位）是否被正确识别和填充。
- 使用不同批次和类型的稳定性研究报告进行测试，观察工作流是否能稳定处理各种数据格式，并验证数据转换和清洗步骤的输出是否符合预期的数据类型和单位标准。
- 针对特定药物降解趋势或不良反应查询，提交模拟问题到 AI 模型，核对模型返回的依据（召回文档）是否准确关联到相关的批次数据和历史报告，并评估其分析结论的逻辑性和准确性。
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。