这个品类的数据长什么样
稳定性研究的数据主要来源于药物在不同环境条件（温度、湿度、光照）下的存储实验，记录其理化性质、含量、溶出度、微生物限度等指标随时间的变化。数据通常以结构化表格形式存在，如批次号、检测日期、存储条件、检测项目、检测结果、单位、偏差值等字段。部分数据可能以批生产记录或分析报告的扫描件形式存在，需要 OCR 识别。数据更新频率取决于稳定性考察周期，通常为 0、1、2、3、6、9、12、18、24、36、48、60 个月等时间点。文档结构多为标准化的批次报告或阶段性总结报告，字段名和单位在行业内有明确规范，例如含量单位为 % 或 mg/g，溶出度为 min 或 %，pH 值无单位。
这些特征在「工具调用与插件」这一环带来什么约束
稳定性研究数据的高度结构化和时间序列特性，决定了工具调用需要精确地定位和提取特定批次、特定时间点、特定指标的数据。对于扫描件形式的报告，光学字符识别（OCR）工具的准确性成为关键，且需处理多页文档的字段关联。时间序列数据的查询与分析，要求工具能够处理日期范围过滤和趋势分析。例如，当需要评估某个批次在特定存储条件下的稳定性趋势时，工具需能调用数据库查询接口，提取相关时间点的数据，并可能进一步调用绘图插件生成趋势图。数据单位的标准化使得工具在数据处理和结果展示时，需要严格遵循预定义的单位转换规则，避免因单位不一致导致的数据误判。当数据出现异常时，工具调用应能触发预警机制，并提供追溯到原始数据源的能力。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
ollama_model_name | glm4-chat | 兼顾中文处理能力与工具调用性能，降低模型流响应为空的风险。 |
max_tokens | 2048 | 确保模型有足够空间处理稳定性报告中的复杂表格数据和分析结果。 |
tool_timeout_seconds | 600 | 考虑到数据库查询和OCR识别可能耗时较长，避免因超时导致任务中断。 |
ocr_engine_endpoint | http://[OCR服务地址]:port/ocr | 根据实际部署的OCR服务地址配置，确保图像识别工具的可达性。 |
database_query_api | http://[数据库API地址]/stability_data | 指定稳定性数据查询接口，实现结构化数据提取。 |
image_format_whitelist | png, jpeg, pdf | 兼容常见的报告扫描件格式，减少因图片格式不兼容导致的400错误。 |
容易做错的三处
- 调用图像识别工具时，模型流响应为空，检查发现OCR服务返回了非预期的JSON结构。这通常是因为OCR服务在识别失败或遇到异常时，并未返回预期的结果字段，导致模型解析失败。
- 查询稳定性数据时，返回的数据条数与预期不符，或者部分关键字段为空。这可能是由于数据库查询工具的参数映射错误，例如
batch_id字段传递为空值，或者查询时间范围不准确。 - 在处理图片格式的稳定性报告时，工具调用报错400，提示图片格式不正确。这通常是由于图片虽然是
.png后缀，但其内部编码或文件头损坏，导致OCR工具无法正确解析。
怎么确认配好了
- 通过FastGPT的工具测试界面，使用一个包含典型稳定性数据的报告样本，验证OCR工具能否准确识别并提取关键字段，核对提取字段与原始数据的一致性。
- 针对一个已知批次号和时间点，通过工具调用查询数据库，检查返回的数据是否完整且与预期一致，尤其是数值型数据和单位。
- 上传一个包含多种图片格式（如PNG、JPEG、PDF）的混合文档，验证图像处理工具链是否能无误地处理所有格式，确保没有因格式问题导致的400错误。
- 模拟一次包含异常数据的查询请求，观察工具调用是否能按预期触发错误处理或预警机制，并检查日志输出是否包含详细的错误信息，以便进行问题排查。
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。