温立铭第二天上午就发来了。
「我让法务处理了一下，」他说，「脱敏过了，关键信息遮掉了。这是三种：批准文号的证、受理通知书，还有GMP生产许可证。每种给了你两份，一共六份，来自不同年份，能用多少算多少。」
陆衍把六份文件转给卫越，附了一条：「先看，下午再说。」
卫越研究了大半天。
下午四点多，他打电话过来，开口第一句话是：「文件类型识别有搞头了。」
「说。」
「我找到了区分三类文件的可靠特征，」卫越说，「不是看格式，是看字段名称。这三种文件里各有一个字段，只属于它，别的两种里面不会出现，而且格式固定，全国统一。」
「批准文号用什么区分？」
「「国药准字」，」卫越说，「你一眼就能认出来。H开头是化学药，Z是中成药，S是生物制品，J是进口药，后面跟八位数字，这个编号格式是唯一的，国家药监局统一发的，不会出现在受理通知书或者GMP证上。只要文件里有「国药准字」这个字段，百分之百是注册批件，不是别的东西。」
陆衍在本子上写了下来：「国药准字 H/Z/S/J + 8位数字 → 确认为批准文号，唯一标识。」
「受理通知书那边呢？」
「受理通知书有「受理号」字段，」卫越说，「格式和批准文号完全不同，是CYHS或者CYYZ或者CXHS加年份再加流水号——具体哪个字母开头，取决于申请类型，但这个格式里没有「准字」两个字。所以工具要做的是：先查文件里有没有「国药准字」，有就是批准文号；没有，再查有没有「受理号」，有就是受理通知书；都没有，再看「药品生产许可证编号」。」
「GMP用什么区分？」
「药品生产许可证编号，」卫越说，「格式是省份缩写加地市代码加年份加顺序号，比如沪二零一九零零零一这种，省份缩写开头，长度固定，和前两种字段名称完全不同。」
陆衍把三个字段并排写在本子上，在最后加了一行：「三种文件，三个独立字段，字段名称不重叠——类型识别可以做到高置信度。」
「这就是第一层，」卫越说，「文件类型识别。之前8份样本70%，现在我有把握到95%以上，因为找到的是结构性特征，不是模糊的关键词匹配。」
「第二层，」陆衍说，「各类型里的字段逻辑。」
「批准文号这边，」卫越说，「字段是：国药准字编号，有效期起止日，持证主体——也就是药品上市许可持有人，然后是产品组合：药品名称加规格加剂型加适应症，这四个绑在一起。我把它叫「四位一体」，必须同时出现，缺了哪个都说明文件不完整或者识别错了。」
「受理通知书那边呢？」
「这个就不做字段比对了，」卫越说，「只做标注：「申请中，待审批，不含已批准证件信息」。这类文件的价值是让人知道申请在推进，但不能当成已批准的凭据。工具报出来的就是这一行，不往下分析。」
「GMP那边？」
「证书编号，有效期，核准范围——」卫越顿了一下，「核准范围里面有两个子字段，剂型和品种，这是GMP证特有的。同一家药厂可以在同一张GMP证里核准多种剂型，比如片剂、胶囊剂、注射剂，但不同剂型对应的生产线要分开审，工具要能识别核准范围是一个还是多个，多个要分条列出来。」
陆衍把这几段整理了一遍，「字段框架基本清楚了。GMP这里有一个问题我想问你——」
「飞检，」卫越说，他大概猜到了。
「对，」陆衍说，「飞检是监管部门突击检查，没有提前通知，结果在数据库里，不在文件本身里。GMP证有效期还没到，但如果飞检没通过，理论上可以被吊销。工具能不能从文件本身知道这件事？」
「不能，」卫越说，语气很平，「文件里没有这个信息。飞检结论是监管行政动作，在国家药监局的公开数据库里，但不会写在GMP证上。这个是工具的边界——我们发现文件内部的矛盾，但看不见文件外部发生的事情。GMP证有效期在文件里，能查；飞检结果不在文件里，不查。」
「那就在报告里说清楚，」陆衍说，「GMP证有效期按文件标注，飞检合规状态需人工核实监管数据库，不在工具覆盖范围。」
「要加，」卫越说，「制药这块边界比之前每个行业都要说得更细，因为这个行业的从业人太清楚文件和实际合规状态之间的距离了，随便有一句话没说准，他们会马上问。」
「还有一个问题，」陆衍说，「批准文号和GMP证之间，有没有能交叉比对的字段？」
卫越想了一会儿，「有一个。持证主体。」
「说。」
「批准文号上有「药品上市许可持有人」，GMP证上有「持证单位」，这两个主体在通常情况下应该是同一家公司。如果不一样，有两种情况：一是转让了——批准文号的持有人变了但GMP证还没更新；二是委托生产——持有人把生产委托给了另一家有GMP资质的厂。委托生产是合法的，但在文件里会体现为「受托方」字段，而不是两个主体直接对上。」
「如果出现不一致，怎么处理？」
「中置信度提示，」卫越说，「「持证主体不一致，可能涉及委托生产或资质转让，建议向企业确认」。不定性，不判断，因为委托生产是行业里很常见的事，不一定是问题，但需要问一下。」
「这个逻辑是对的，」陆衍说。
「但有一个前提，」卫越说，「工具要能确认这家企业有没有委托生产，才能知道「不一致」是正常还是异常。而这个信息，」他停了一下，「工具拿不到。只能靠问企业，或者看材料包里有没有委托生产协议。如果材料包里有委托协议，两边主体不一致就是正常的；如果没有委托协议，两边主体不一致，那就是要追的点。」
陆衍把这段记下来，「也就是说这个交叉比对的有效性，依赖材料包的完整性。」
「对，」卫越说，「材料包完整，能判断；材料包不完整，只能说「不一致，原因未知，建议核实」。制药这个行业材料包经常不完整，因为有些委托生产协议是保密的，不会主动给出来。」
「那就如实说，」陆衍说。
挂了电话，陆衍想了一会儿，给温立铭发了条消息。
「今天卫越把六份样本研究完了，制药第一层框架大概出来了，给你说一下进度。文件类型识别的方案有了：三种文件各有唯一性特征字段，可以做到高置信度区分。字段框架也整理出来了，批准文号是产品证，GMP是厂商证，受理通知书是流程单，三种在工具里会分开处理，逻辑不混用。」
「按这个节奏，第一层做完需要大概一周，届时用你给的这六份样本跑一遍做验证，看结果对不对。」
温立铭回得很快：「时间没问题，一周就一周。但你要提前告诉我——」
他发来了第二条：「工具能发现的边界在哪里。并购尽调里，制药是最难说清楚的行业。别的行业，客户大概知道合规文件里会有什么问题；制药这块，你告诉他有个问题，他下一句话可能就是「那是GMP飞检的问题还是批件再注册的问题还是委托生产的问题」，三条路各走各的。你工具在哪停，要在报告里说清楚，不然他们不知道哪条路应该自己走。」
陆衍把这条消息看了两遍。
他打开本子，在「文件分类在前，字段比对在后」那行下面，新写了一行：
制药的边界，比之前所有行业都更值得说清楚。
他在「边界」两个字下面画了一道线，没有加注释。
意思已经够清楚了。