原始来源：Enveda 原始系统与评估报告
发现渠道：Anthropic 药物开发案例汇总
药物研发还有大量工作发生在实验结果之外：生产过程是否按批准的步骤执行，手写修改有没有说明，测量值是否越过规定范围。Enveda 的 CMC Document Processor 处理这类化学、生产和质量控制资料。它先识别文件类型和编号，找到对应的主批记录、规格及偏差记录，再把扫描页交给模型读取；这些页面常有手写内容、表格和划改，纯文字抽取会丢失位置关系。
长记录被切成连续窗口，程序记录每一页是否分配和处理；模型意见附页码、实测值及参照文件。随后跨窗口核对，避免把局部没看到的内容误当成整份文件缺失。系统把意见写在文件旁，由人决定如何处理，原始记录和最终批次处置不交给模型改写。
报告评估了同一制造项目的四份记录，共 1061 页。人工提出的 11 个不同可行动问题，都曾在模型的至少一次运行中出现；不能读成单次运行召回率 100%。Opus 4.7 的一轮又提出 7 个经裁定有效的新增问题。模型处理加人工核对意见共 166 分钟，人工从头审查为 1553 分钟，约差 9.4 倍。但比较的工作路径不同：前者从已标出的意见和页码开始，结果是这套辅助流程的计时，既不是模型单独取代审查者，也不是药物临床开发提速 9.4 倍。
可信度 65 · 重要性 85 · 新颖度 82
技术与主题
Agent 系统 · 评测与基准 · 多模态 · document understanding · workflow automation · human review
klustregrif
回复“AI 写表格再由 AI 读是否只是官僚浪费”的质疑。
忠实转述（非原句）：他认为这类文件承载的是大量证据，不能当成可有可无的套话；模板早已存在，却没有消除审阅工作。AI 或许能压缩反复核对的时间，但如果真正缺的是实验或其他证据，补证据仍可能很慢。他提出的是机制解释和可能性，并非本项目的独立计时。
编辑评读
这里的工程价值在于重新组织人的阅读入口。原先审查者要在上千页中同时完成寻找、理解和裁定；系统先给出带位置与依据的候选，人才有机会把时间花在核对与追问上。这个机制也解释了为什么“给出更多评论”本身不够：意见若没有正确参照文件和页码，反而增加寻找成本。
报告同时留下了很具体的缺口。模型没有收到人工可以查阅的所有前序记录，两个“匹配人工发现”的问题需要裁定者解释才能对应；大多数人工与模型评论在本研究标准下都不需行动。此外，系统目前未逐窗口校验输出格式，某类不可读答复可能不被自动标记。这些细节说明页面已送入模型、意见可解析、证据足够和裁定正确，是几个不同条件。
因此，可借鉴的是覆盖记录、受控参照、跨页核对与人工处理的组合，效果数字仍需放回四份记录的探索性研究。原始批次资料不公开，系统也尚未作为药品生产质量管理规范（GMP）下的计算机系统完成验证。对其他文件审查任务，值得先问“能否少找一些资料而保持发现能力”，再谈推广；本例没有给出临床安全性或药物疗效的证据。
需要留意
- 四份记录、单一制造项目；专有资料不可公开，效果未独立复现。