看完 GMP 智能体培训，我用 WorkBuddy 搭了条可审计复核流水线

标题：看完 GMP 智能体培训，我用 Dify 搭了条可追溯偏差台账

最近刷到一条 9 月 10 到 12 号在上海开的培训，主题是运用 WorkBuddy 搭建属于你的 GMP 智能体。我快速核对了一下，心里有点发笑，很多团队对 AI 的期待太天真，以为丢进去一份 SOP，AI 就能自动合规。GMP 也就是药品生产质量管理规范，这种场景真正难的是可追溯。

我这边 WorkBuddy 用了一个月，早先处理过晨会和研报材料，后来被同事拉去帮一家医药客户整理偏差报告。那会儿我就有判断，WorkBuddy 不该被当成自动研报生成器，它更该是一个可审计的结构化工作台。这次培训里的 CRAFT 提示词、本地知识库、Skill 导入，正好把这条路径说清楚了。Skill 在 WorkBuddy 里可以理解成一块已经写好的能力模板，比如合规差距扫描，你不用从零教它怎么读文件，只要加载后把任务边界讲明白。

不过这次我换个选题，把同一个思路落到一个更小的试验上，用刚上手一天的 Dify，先把 GMP 偏差报告做成一个可追溯的偏差台账。Dify 我只试了不到一天，FastAPI 也刚接触，所以这篇不吹工程化，只讲一个保守的起步方式。

我先说实操，怎么从零搭一个最保守的台账助手。打开 Dify，别急着让它检查这份报告。先在本地建一个文件夹，名字带日期，比如 `2026-09-07_ledger`，里面只放三类东西，原始文件、固定模板、字段清单。原始文件是 PDF 或 Excel，模板是一个 Word，字段清单列明来源、日期、发布状态、结论、引用页码。这步很关键，因为 Dify 读取本地文件时，文件越乱，输出越像自由发挥。

然后回到 Dify，新建一个知识库或工作流，名字可以写 `GMP偏差台账`。如果你们公司有现成模板或插件，就加载类似文档预处理或合规检查的模块；如果没有，就先用纯任务描述。任务描述别只写帮我评估这份偏差报告，这句话太宽。我一般按培训里讲的 CRAFT 结构改写，Context 是医药客户偏差报告，Role 是合规台账助理，Action 是提取关键事实并标注来源，Format 是输出一张来源日期表和一段台账草稿，Tone 是保守、可审计。最后一定加一句，没有来源的信息不得写入结论。

接下来点添加文件或上传到知识库，选择刚才那个 `2026-09-07_ledger` 文件夹。小白会问，挂载和上传有什么区别。我的理解是，挂载更像给工具指定一个工作区，它能按目录读取；上传则容易只拿单份文件，后面更新还得重传。这里预期结果是，任务界面会显示已读取的文件列表，如果文件名、日期、来源字段都清楚，它会先输出一份摘要草稿；如果缺字段，它会提示无法确认。这个提示很重要，它把风险暴露出来。

如果偏差牵涉到上市公司或行业事件，我只会用刚上手一天的 Akshare 和东方财富拉一点公开公告、行情线索；慧博投研资讯我用了不到一周，也只作为研报来源。它们不替代偏差报告，只给台账多一列可点击证据。公开信息越新，越要卡日期；来源越杂，越要拆字段。

我之前用 WorkBuddy 踩过一个坑，第一次让它读十几份 PDF 和 Excel 混合资料，直接问总结偏差原因。结果它把旧 SOP 的条款当成新版要求，日期完全没卡住。后来我学乖了，先让它只做一件事，生成一张来源日期表。字段就四个，文件名、文件日期、来源、可引用页码。跑完后再开第二个任务，把这张表作为输入，让它做差距分析。步骤拆开，输出质量稳定很多。这个办法不一定适合所有团队，但我这边晨会准备时间从九十分钟压到五十六分钟，大概 37.5% 的节省，数字不算严谨，可流程确实更稳。

权限和协作我也顺手定了。金融分析这行，最怕一个 AI 草稿直接发出去。我的环境是，原始法规库只给合规和研究负责人写权限，销售和其他团队只读；工具生成的输出统一放 `drafts`，文件名加 `_review_by_负责人`。任何对外材料，先经过两个角色，一个人核对来源，一个人核对结论。不要省这一步。AI 可以干活，但签字权不能外包。

日常运维也不复杂。到了周五，我用 Excel 跑一次空字段检查，看新增文件有没有缺日期、缺来源、缺版本号；我给自己定的习惯是每月更新一次法规库，把过期文件移到 `archive`，不要删，留痕。培训里提到知识库质量会影响检索质量，我很有体感。知识库质量主要靠喂出来，但喂之前得洗。

传统通用大模型仅能简单问答，难以深度适配法规、内部 SOP、检验体系。

这话对药企成立，对我们这种做研报、客户材料、合规复核的人同样成立。AI 的实际回报看它能不能把每一步变成可检查的对象。所以我给第一次接触这类工具的人一个行动建议，别先搭大而全智能体，拿十份真实文件，建一个本地文件夹，写一张字段清单，做一个只负责来源日期表的小任务。跑通这个最小流程，再考虑 Skill、专家角色和自动周报。

往后看，GMP、投研、法务这些场景，先把流程做成 AI 能读、人能审的样子，比堆模型更实际。