小分子化药质量文档的工作流编排

这个品类的数据长什么样

小分子化药的质量文档数据主要来源于研发、生产、质检等环节的各类报告与记录。这些文档包括但不限于批生产记录、检验报告（如高效液相色谱 HPLC、质谱 MS 数据）、稳定性研究报告、偏差处理记录、变更控制文件、供应商审计报告等。数据更新频率因文档类型而异，生产批记录通常随批次产生，检验报告在分析完成后即生成，而稳定性研究报告则有固定的时间点更新周期，例如 3 个月、6 个月、12 个月。文档结构多为半结构化或非结构化，PDF 扫描件、Word 文档、Excel 表格是常见形式。字段与单位具有高度专业性，例如含量（%）、纯度（%）、杂质限度（ppm）、pH 值、熔点（℃）、旋光度（[α]D）、吸光度（A）等，且常伴随复杂的图谱和表格数据。

这些特征在「工作流编编排」这一环带来什么约束

小分子化药质量文档的半结构化与非结构化特性，对工作流中的文档解析与信息提取提出了挑战。大量图谱和复杂表格的存在，要求工作流具备高级的 OCR 和表格识别能力，以准确提取关键数据点，例如 HPLC 峰面积、MS 碎片离子信息。高频次更新的生产批记录和检验报告，意味着工作流需要支持自动化触发和增量更新，确保知识库的时效性。专业化的字段与单位，以及严格的合规性要求，使得信息提取的准确性至关重要，任何微小的偏差都可能影响最终的质量判断。工作流在处理这些数据时，需要设计多阶段的校验机制，甚至引入人工复核节点，以应对数据提取的复杂性和潜在错误，保障最终回答的可靠性。

配置怎么定

配置项	建议取法	这样取的依据
`分段长度`	`800–1200 字符`	适应质量文档中包含的较长专业描述与实验方法，确保上下文完整性。
`分段重叠长度`	`100 字符`	减少因分段导致的关键信息割裂，尤其在描述实验步骤或结果时。
`召回条数`	`前 8–12 条`	小分子化药的质量问题往往涉及多个文档交叉验证，需要更广的召回范围。
`相似度阈值`	`0.78–0.85`	确保召回内容的精准性，避免因术语相似但实际含义不同导致误判。
`重排返回条数`	`前 5 条`	在高召回条数基础上，通过重排聚焦最相关的文档片段，提高最终回答效率。
`PARSE_FILE_TIMEOUT_SECONDS`	`600 秒`	应对大型 PDF 扫描件或包含复杂图表的文档解析，防止超时中断。

容易做错的三处

在知识库助手中，调用工作流 API 时返回空值，这通常是由于工作流内部嵌套的知识库助手在 v4.8.10 及以上版本中，其 api_key 或 app_id 未正确配置或权限不足导致。
工作流中无法将不同分支的节点转接到已有的表单填写节点，表现为界面上无法拖动连接线，原因在于 FastGPT 的工作流设计中，某些节点类型（如表单节点）有严格的输入来源限制，不允许随意接驳。
在变量引用时出现 quote type error 报错，现象为工作流执行中断并显示错误信息，这通常是由于传递给工作流或知识库的变量格式与预期不符，例如期望 int 类型却接收到 string 类型，或 JSON 结构不匹配。

怎么确认配好了

上传一份包含复杂图谱和表格的检验报告 PDF 文件，观察其解析结果，核对关键数据点（如主成分含量、杂质峰面积）是否准确提取。
构建一个包含多个质量文档的工作流，模拟常见的质量审核场景，例如查询某批次产品的稳定性数据，检查工作流是否能正确检索并组织信息。
针对一份有明确偏差处理流程的文档，设计问答，测试模型对流程步骤的理解和关键决策点的识别能力，确保回答符合合规要求。
使用 GET /api/v1/app/workflow/run 接口调用工作流，并比对 API 返回结果与通过界面调试结果的一致性，核实 maxContext、召回条数 等参数是否按预期生效。

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。