外部公开案例，非衍谷交付
Bayer · PRINCE：临床前研究资料检索与多Agent研究助手
来源披露≠独立审计；编辑分析不等于客户确认。A级仅表示可定位到案例级来源，详细度不是成功评分。请先阅读下方字段分析边界；未公开细节不可当作已实施事实。
字段分析边界
- 业务问题依据
- 技术复盘与拜耳合著论文披露
- 解决方案
- 两份项目参与者材料披露并结构化整理
- 技术工作流
- 公开组件与工作流逐层披露
- FDE 行动（请结合分析边界）
- 依据公开项目演进与工程措施归纳；未公开FDE岗位安排
- 结果（来源方披露）
- 拜耳与Thoughtworks合著论文中的内部评测和用户反馈
业务问题
拜耳的临床前研究数据分散在多个系统中，既有结构化研究元数据，也有数十年积累的PDF安全性研究报告；历史迁移造成部分元数据缺失或错误。关键词检索难以回答跨研究、跨文档的问题，研究人员需要花时间手工查找和核对原始报告。解决方案
拜耳与Thoughtworks逐步把PRINCE从结构化数据搜索平台扩展为研究助手。先汇集研究报告和元数据，再用RAG检索PDF证据、用Text-to-SQL查询结构化数据；LangGraph协调意图澄清、规划、研究、证据充分性检查与答案撰写。回答附原始文档引用；撰写监管相关文档前由研究人员复核提示，最终内容仍由人审核。技术工作流
- 内部研究系统与PDF报告汇入S3；文档提取、切分并附研究及章节元数据
- 结构化研究元数据经整理后由Amazon Athena提供查询
- 报告片段嵌入OpenSearch，按元数据过滤并结合关键词与向量做混合检索、重排
- Text-to-SQL按相关Schema和示例生成只读SELECT语句，并限制返回条数
- LangGraph协调意图澄清、规划、Researcher、Reflection与Writer，答案引用原文
- PostgreSQL保存工作流检查点，DynamoDB保存应用状态；失败时重试或切换模型
- Langfuse保存追踪及专家评测集，对生产查询每日做无参考答案评测
技术组件
- React / FastAPI
- LangGraph
- Amazon S3 / Athena / OpenSearch
- RAG混合检索与重排
- Text-to-SQL只读校验
- PostgreSQL / DynamoDB
- Langfuse / RAGAS
- 人工复核与来源引用
人工责任与复核
研究人员可选择或调整数据来源，并核查回答链接到的报告页码和原文片段；涉及监管文档时，用户先审改写作提示，再负责审阅、验证和定稿。领域专家整理评测题与参考答案，团队根据用户反馈和生产流量持续检查质量。FDE 行动（请结合分析边界）
- 从研究人员跨系统寻找安全性研究证据的流程入手，先建设可搜索的数据入口
- 将PDF原文与不完整的历史元数据关联，保留报告作为可核查依据
- 按问题类型路由非结构化检索与结构化SQL查询，并约束工具权限
- 用领域专家问题集与真实用户反馈评估检索、答案和复杂查询响应
- 为多步骤工作流增加检查点、节点重试、模型回退与生产追踪
- 让科学家在文档生成前后保留审改、验证和最终责任
结果（来源方披露）
拜耳与Thoughtworks合著论文称，PRINCE整合超过18,000项内部研究；在15至20名高频用户的反馈中，75%表示查找信息所花时间显著减少；引入多Agent后，复杂查询的平均响应时间改善30%。系统满足用户需求的平均评分为3.1/5；未披露药物研发周期或财务收益。核验说明
- martinfowler.com是刊载网站，文章作者是Thoughtworks的Sarang Sanjay Kulkarni，不是Martin Fowler本人。
- 论文由拜耳和Thoughtworks项目人员合著；同行评审不等于结果经过独立审计。
- 75%来自15至20名高频用户的反馈；30%是复杂查询平均响应时间改善，论文未公开完整基线和测试样本。
- 论文同时报告系统满足用户需求的评分仅3.1/5；不能据此推断药物研发周期缩短或监管决策自动化。
- 文中按领域拆分Researcher子Agent及自动修复元数据属于演进计划，未写作已上线功能。
未公开 / 仍有缺口
未补充记录可迁移方法
- 历史元数据可能不可靠时，以获批原始文档作为可追溯事实依据
- 同时有结构化表和非结构化报告时，分别设计SQL和检索路径再汇总证据
- 多Agent工作流需要可恢复状态、明确工具边界和分阶段评测
- 高风险研究与监管文档应显示逐句出处并保留专家定稿权
来源账本
- 标题
- Building Reliable Agentic AI Systems
- 发布方
- martinfowler.com / Thoughtworks项目团队
- 来源类型
- 项目参与者技术复盘
- 可定位性
- 案例级直接来源
- 结论披露方
- 项目参与者与拜耳合著论文披露
- 已记录独立核验
- 否
- 源库查阅日期
- 2026-09-23
补充来源
- 标题
- 拜耳与Thoughtworks合著论文｜PRINCE的演进、实现与用户反馈
证据说明
Thoughtworks项目参与者在martinfowler.com发布技术复盘；拜耳与Thoughtworks合著论文披露演进、架构与有限用户反馈。两份资料都直接指向PRINCE，但论文并非独立第三方审计。编辑摘要
PRINCE的参考价值在于把几十年临床前报告与结构化研究数据接进同一可追溯工作流，并将证据引用、只读SQL、人工复核、失败恢复和持续评测做成生产系统的一部分。详细度六维评分（各 0–2）
- 业务背景
- 2
- 改造流程
- 2
- 技术工作流
- 2
- 人机与治理
- 2
- 量化结果
- 2
- 来源可定位性
- 2
原始案例 ID
enterprise-bayer-prince-001技术方案参考
是来源分类
企业原始材料企业 / 组织
Bayer行业
制药/临床前研发一级行业
医疗与生命科学业务场景
PRINCE：临床前研究资料检索与多Agent研究助手FDE 标记
伴随式部署FDE 关系
拜耳与Thoughtworks联合建设；公开材料未称为FDE成熟度说明
内部生产使用/持续迭代成熟度阶段
已上线主来源
https://martinfowler.com/articles/reliable-llm-bayer.html ↗证据等级
A证据等级说明
A级｜项目参与者案例级技术复盘详细度评分（满分 12）
12详细度分组
deep详细度说明
深度案例｜关键链路较完整编辑数据：guminghao-avi contributors，MIT。导入 2026-10-02；源版本 ef550123。版权与许可证 · 原案例库。以上保留来源与证据限定，不构成衍谷效果承诺。