企业官网建设流程全解析

版权与内容来源声明
本文为原创整理。文中涉及官方文档、开源仓库、论文与公开报道的内容，均在附表 A 中标注来源；引用官方原文保持原样，不作改写。文中命令、版本号与界面截图以本文成文时的实测/核验结果为准，标注「待验证」的部分请以你本地环境实际输出为判断依据。本文不推荐任何不合规的软件获取方式，也不推荐任何规避地区限制的访问方式，亦不对任何收益结果作承诺。转载请注明出处。

一、QA 桌上那摞纸：六类文件，为什么偏偏批记录抽不准

在制药企业做质量保证，签字是要负责的动作。一批产品从配料到入库，我手上过的纸大致六类：批生产记录、批检验记录、偏差报告、变更控制、放行审核记录，以及托着它们的那套 GMP 文件体系——工艺规程、质量标准、SOP、验证方案。

想把这些活交一部分给大模型，念头很朴素：翻记录、对参数、做大趋势，都是体力活。真动手时撞上的第一个坎，不是模型不够聪明，是我把「一张表」当成「一段文字」扔了进去。

六类文件喂给同一个模型，表现差别很大。

偏差报告那种散文，模型反而处理得好：时间、地点、现象、原因，本来就写在句子里。批记录正相反，它是最像「数据」的一份，也是最容易抽错的一份。

原因只有一句：越像表格的东西，越不能直接当文本喂。

二、模型看到的不是表格，是一串 token

2.1 合并单元格不是一个值，是一段区域

在 xlsx 里，合并单元格由 mergeCells 记录：一个区域，加一个左上角的值，其余格子是空的。人眼看过去，是「制粒」管着六行；模型读到的 csv 是——第一行有「制粒」，后面五行是逗号。

• 行列关系，扁平化之后只剩分隔符；
• 层级关系（哪个值管着哪几行），扁平化之后完全消失；
• 跨页关系（这一页接着上一页），连分隔符都没有。

模型拿到一串 token，要还原的是一张有层级的表。这一步它在猜，而猜是不报错的。

2.2 三个必然失真点

三个点里，最危险的不是抽不到，是抽错还抽得很像。模型不会提示「这里父级缺了」，它会顺着上文补一个最顺的值。这种错，只看输出看不出来。

三、失真点一：合并单元格的父级只在首行出现

3.1 一张真实记录在纸面上长什么样

制粒工序那张记录，人眼看到的是三层：

• 工序列「制粒」，合并六行；
• 设备列前三行「制粒机」，后三行「沸腾干燥机」；
• 项目列六行各不相同：搅拌转速、制粒时间、粘合剂用量、进风温度、干燥时间、水分。

转成 csv 之后：第一行是「制粒,制粒机,搅拌转速,……」，第二、三行工序与设备两列为空，第四行只有设备有值，第五、六行两列全空。

3.2 那三个空格，模型有四种处理方式

1. 当「同上」——多数时候对，但在工序切换那一行会沿错；
2. 当「未填」——直接判这份记录不完整，把有效行丢掉；
3. 按项目名反推——「干燥时间」推成干燥工序，「进风温度」推成总混，推得有理，但没有根据；
4. 按训练里见过的批记录格式补——最像人，也最不可控。

第三种和第四种最难发现，因为输出读起来很顺。第四种尤其麻烦：它会给你一个格式完全正确、内容凭空捏造的归属。

3.3 归属错一次，后面全歪

一个具体的连锁：如果「进风温度 62℃」被归到「制粒机」，年度产品质量回顾里按设备统计参数分布，沸腾干燥机就少一组、制粒机多一组。下一次同品种出现水分超标偏差，调查会先去看制粒机——方向从一开始就偏了。

这不是模型的问题。喂进去的东西里，本来就没有「这台设备管这几行」这条信息。

3.4 填之前先分清列的角色

向下填充不是「空格都填上」。填错列，等于造数据。我现在的分法是这样：

最后一条要守住：记录里的「同上」是有意义的表述，转成具体值就不再是原文。放行审核看的是原始记录，不是我们整理后的版本。

四、失真点二：跨页续表被当成第二张表

4.1 纸面证据只有三处

批记录按页打印、逐页签字。第三页顶上重复一遍表头，页脚印着「第 3 页 共 5 页」，批号只在首页右上角写一次。除此之外，第三页和一张新表没有任何区别。

按页抽，最常见的两种错：

• 每页各抽一张表，最后拼起来——表头重复出现，行数看着不少，但每张表都缺上下文；
• 只抽首页——后面几页整段消失。行数少一截比抽错更麻烦，因为没人会发现。

4.2 续表的第一行，父级在上一页

这是跨页最坑的地方：第三页第一行是「总混」工序的第二条参数，工序与设备两列都是空的。它的父级不在本页。单独看这一页，怎么填都填不出来。

所以顺序只有一个：先并表，再向下填充。反过来做，这一行的父级永久丢失。第六章的脚本按这个顺序写。

4.3 什么时候不能合并

反过来也有坑：同一批里真有两张同结构的表。两台压片机各一张记录，表头一模一样。这时合并，会把两台设备的参数混成一条线。

我的做法是：页码连续、且上一页末行是明细行，两条同时成立才自动合并，其余一律进人工待核。宁可多一批待核，不要少一批行——待核有人看，丢的行没人看。

五、失真点三：同一张记录里，「结论」出现了三次

5.1 重名不是巧合，是行业习惯

一张批生产记录里，「实际值」至少出现三次：工艺参数的实际值、称量的实际数量、包装的实际数量。「结论」也出现三次：工序结论、中间产品结论、成品结论。批检验记录里还有一个「结论」。

抽成宽表时，同名列表头会被自动改名加后缀，或者被后一个直接覆盖。覆盖的那种最要命：投料 480 kg，包装数量 12000 片，两个值都进了「实际值」，覆盖之后物料平衡按 12000 除以 480 算，出来 25 倍。

数字荒谬，但如果校验只判「是否为空」，它不会报任何问题，一路进到汇总表。

5.2 消歧靠路径，不靠模型猜

做法很土：给每个字段加路径前缀。前缀来自表头层级——哪张表、哪一段、哪一列。

最后一行是另一个坑：中文同义不同名。「结论」「判定」「符合性」，很多厂里混着用，跨表对齐时对不上。这个不能靠模型现场猜，得先建一份字段别名字典，把同义词收敛到一个枚举值上。字典是死的，猜是活的，活的那个每次都不一样。

这份资料是什么：一张把批记录常见列名按「原列名 / 出现位置 / 路径前缀 / 校验规则」对齐的字段对照空白表，和本章的消歧做法配套。放在资料包里，扫码即可获取：

六、把结构写回去：先并表，再向下填充

6.1 三个动作，顺序不能换

1. 并表：按表头指纹加页码连续性，把续表接回主表；
2. 填充：对层级列向下填充，并给继承值打标记；
3. 消歧：列名加路径前缀，也就是第五章那张表。

脚本只做前两步，二十八行，纯标准库。输入是两页导出的 csv，列结构与第三章那张记录一致。

importcsvimportsysdefread_page(path):withopen(path,newline="",encoding="utf-8-sig")asf:return[rforrincsv.reader(f)ifany(c.strip()forcinr)]defstitch(pages):out,seen=[],set()forpageinpages:head=tuple(x.strip()forxinpage[0])ifheadinseen:out.extend(page[1:])continueseen.add(head)out.append(page[0])out.extend(page[1:])returnoutdeffill_down(rows,cols):carry={c:""forcincols}out=[rows[0]]forrinrows[1:]:r=list(r)forcincols:ifr[c].strip():carry[c]=r[c].strip()continuer[c]=carry[c]+"*"out.append(r)returnoutif__name__=="__main__":rows=fill_down(stitch([read_page(p)forpinsys.argv[1:]]),[0,1])print("并表后数据行 %d"%(len(rows)-1))forrinrows:print(" | ".join(xifxelse"_"forxinr))

跑法一行，页数不限，按页序传进去：

python 批记录还原.py p1.csv p3.csv

本机输出，未做任何修饰，星号是我加的继承标记：

并表后数据行 11 工序 | 设备 | 项目 | 标准 | 实际值 | 结论 制粒 | 制粒机 | 搅拌转速 | 300±20 rpm | 312 | 符合 制粒* | 制粒机* | 制粒时间 | 10±1 min | 10 | 符合 制粒* | 制粒机* | 粘合剂用量 | 4.0 kg | 4.0 | 符合 制粒* | 沸腾干燥机 | 进风温度 | 60±5 ℃ | 62 | 符合 制粒* | 沸腾干燥机* | 干燥时间 | 30±5 min | 28 | 符合 制粒* | 沸腾干燥机* | 水分 | ≤3.0 % | 2.4 | 符合 总混 | 三维混合机 | 转速 | 12 rpm | 12 | 符合 总混* | 三维混合机* | 混合时间 | 15±2 min | 15 | 符合 压片 | 压片机 | 片重 | 0.250±0.010 g | 0.253 | 符合 压片* | 压片机* | 硬度 | 60±20 N | 72 | 符合 压片* | 压片机* | 崩解时限 | ≤15 min | 9 | 符合

6.2 输出里有两处值得看

第一处是第八行：「总混* | 三维混合机* | 混合时间」。这一行在原文件里是第三页的第一行，父级两列都是空的，靠上一页末尾的「总混」和「三维混合机」接上。如果没有先并表，这一行填出来就是空的。

第二处是行数：7 加 4 等 11。按页分别抽，两张表加起来也是 11 行，行数对得上，但表头多一份，第三页首行没有父级。行数对得上，不代表结构对，这是我在第一批样本上吃过的亏。

星号的用处正在这里：后面做校验时，「记录里真写了」和「我们补上去的」必须能分开。补上去的值一旦出错，追责要能追到脚本，而不是记到记录上。

6.3 这一段不解决第三个失真点

重名要在表头解析阶段解决，也就是拿到列名的那一刻就加前缀。等数据都成行了再改名，路径信息就丢了。

七、抽完不算完：三道交叉校验兜住安静的错误

7.1 抽取准确不等于记录自洽

模型的活是把字认对，QA 的活是判断这份记录自己跟自己对不对。抽得再准，如果参数归属错了、行少了，记录还是不能用。

三道校验，全是规则，不依赖模型。

第三条最有效。参数归属错了，数量往往还对；但取值张冠李戴，勾稽一定崩。一个数从 kg 变成片，量级差几十倍，规则一眼就能看出来。

7.2 阈值不要抄别人的

物料平衡的偏差限度写在各家的工艺规程里，品种之间不一样。我一开始照搬了一个通用阈值，结果颗粒剂那几批全被拦下来，白折腾两天。阈值从自己的工艺规程里取，脚本里做成配置项。

7.3 转行的人，优势在这一节

写提示词谁都能学，这三道校验的规则学不来。它要求你知道哪一列必须对、两个数之间为什么必须相等、签字缺一个意味着什么。这些是从偏差调查和放行审核里长出来的，不是从教程里。

同样做批记录抽取，纯算法背景的人容易把字段准确率当终点；质量岗出身的人会追问：剩下的部分错在哪些列，这些列错了，这批产品还能不能放。前一个问题模型能答，后一个问题只有懂放行的人能答。

7.4 落地顺序

• 先拿二十批做回归样本，人工逐行判一遍，错的按「归属错、缺行、取值错」三类归档；
• 三类错对应三个修法：归属错改填充规则，缺行改并表判据，取值错改列名路径；
• 修完再跑同一批样本，看三类错是否各自下降，别只看一个总数；
• 稳定之后再谈接进放行流程，接之前把待核清单的人工环节留住。

这份资料是什么：一张把「批号一致、工序顺序、数量勾稽、签字完整」四项写成可填规则的三道校验清单，改一改就能贴到自己厂的批记录上。放在资料包里，扫码即可获取：

附表 A：本文引用事实与出处对照表

附表 B：术语速查表

写在最后：这篇用到的资料

写这篇文章时，把相关的官方文档和源码又翻了一遍，顺手也整理了几份配套的东西：

• 大模型学习路线图：从零基础到能自己动手做 Agent，按阶段说明每一步该学什么、哪些可以先跳过
• 《LangChain + LangGraph + MCP 智能体开发实战》视频课：7 个模块，从私有化部署、Embedding+RAG 到 MCP+Agent 全流程
• AI 大模型知识库（在线可查）：Agent Skills 从入门到落地、Claude Skills 完全指南等专题，按目录浏览即可
• 640 套 AI 大模型行业报告 + 经典 PDF 书籍：看行业落地案例和别人怎么做的时候用得上
• 大模型零基础到精通教学视频：跟着敲一遍，比只读文档快得多

资料是我自己整理的，放在下面这个码上，扫码即可获取：

如果这篇对你有用，评论区说说你卡在哪一步，我按留言再补后续的拆解。