这个品类的数据长什么样
精神类疾病相关产品与试剂的数据，主要来源于临床试验报告、药物说明书、诊断标准手册（如 DSM-5、ICD-11）、学术期刊论文、以及药监机构发布的批文与指导原则。数据更新频率相对稳定，新药研发或诊断标准修订会带来集中更新，但核心数据如药物作用机制、适应症、禁忌等变动较小。文档结构通常高度规范，呈现为结构化的临床数据表、药物成分列表、毒理学报告、药代动力学曲线图、以及自由文本形式的病例描述与专家共识。字段包含但不限于药物名称、活性成分、剂型、规格、适应症、用法用量、不良反应、相互作用、临床前研究数据、临床研究阶段、有效性指标（如 HAM-D、PANSS 评分）、安全性指标等。单位则严格遵循药学与医学规范，如毫克（mg）、毫升（mL）、微摩尔（μmol/L）、百分比（%）。
这些特征在「工具调用与插件」这一环带来什么约束
精神类疾病产品数据的规范性要求工具调用必须精确匹配字段与单位，任何模糊或不兼容都可能导致结果偏差。例如，药物剂量单位的混淆可能直接影响推荐的准确性。数据更新的周期性意味着外部工具连接的数据源需要具备版本管理能力，以确保调用的是最新且经过验证的信息。临床报告中的自由文本描述，要求插件具备从非结构化数据中抽取关键信息的能力，例如识别患者症状描述中的特定关键词并映射到诊断标准。此外，涉及药物相互作用的查询，需要工具链能够跨越多个数据库进行关联查询，并处理查询结果的合并与冲突解决。对有效性与安全性指标的查询，则要求工具能够解析复杂的统计数据，并提供可量化的结果。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
toolCallTimeout | 60 秒 | 多数外部 API 在处理复杂查询时，响应时间通常在 10-40 秒，预留裕量以防网络波动。 |
maxToolCalls | 3 | 避免因过度调用导致处理链过长，提高响应效率，并减少不必要的外部 API 费用。 |
functionSchema | 精确定义药物查询、成分分析、相互作用检查的 name、description 和 parameters | 确保 FastGPT 能准确理解工具功能，并按需传递正确参数，减少幻觉调用。 |
knowledgeBaseRecallLimit | 5 条 | 在检索相关文献或指南时，前 5 条通常包含最核心和最直接的匹配信息。 |
similarityThreshold | 0.85 | 确保召回的知识片段与精神类疾病产品查询高度相关，减少无关信息的干扰。 |
contextWindow | 8000 tokens | 平衡模型理解上下文的深度与处理效率，确保能包含复杂查询的背景信息。 |
容易做错的三处
- 工作流中无法获取外部工具的返回值：通常是由于工具函数定义中的
output参数未正确配置，导致 FastGPT 无法识别并解析工具返回的数据结构。 - 提示词无法有效触发工具调用，或调用了错误的工具：主要原因在于
functionSchema中的description或parameters描述不够清晰或与模型预期不符，未能准确引导模型选择正确的工具。 - 知识库检索结果与问题不符：多是由于
similarityThreshold设置过低，召回了大量泛化或低相关度的内容，或者知识分段策略未能有效保留关键信息。
怎么确认配好了
- 针对核心的药物查询、成分分析场景，编写覆盖不同参数组合的测试用例，观察工具是否被正确识别与调用，并核对返回结果的准确性。
- 检查 FastGPT 的运行日志，确认每次工具调用请求的参数是否符合预期，以及外部 API 返回的状态码是否为成功。
- 通过多次模拟用户咨询，检验知识库召回的片段是否与精神类疾病的特定症状、药物适应症等高度相关，并评估模型基于召回信息生成回答的专业性。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。