跳转至

Askulator 自然语言语义计算与推理计算器节点

节点核心功能 (What is it?)

Askulator 是一个基于自然语言理解的智能计算器节点（Natural Language Calculator），能够直接理解并解答用通俗自然语言陈述的复杂数学应用题。它依托大语言模型理解问题背后的多步逻辑语义，调度精确计算工具执行运算，并清晰输出完整的步骤推演过程（Reasoning）与最终数值答案（Result）。

典型适用场景 (When would I use it?)

在以下情况下使用该节点：

  • 直接求解用自然语言、日常对话或实际业务场景表述的数学问题；
  • 获取详细的逐步算理推演过程（Step-by-step Reasoning）；
  • 处理包含单位换算、前置隐性常识（如“一打等于12个”、“一周有7天”）的多步应用题；
  • 执行包含模糊估算或跨领域现实情境推断的复合计算；
  • 在无法获得死板公式时进行逻辑拆解与合理近似估算。

使用指南 (How to use it)

基础配置流程 (Basic Setup)

  1. 在工作流画布中添加 Askulator 节点。
  2. 在 instruction 参数中输入用自然语言撰写的数学问题或计算指令。
  3. 节点推理执行后将同时产出：
    • 在 output 引脚输出详尽的解题逻辑推导链条；
    • 在 result 引脚输出最终提炼的数值结果。

参数输入插槽 (Parameters)

  • instruction：用自然语言表达的数学问题、计算任务或应用题描述（string）。
  • model：用于语义解析与逻辑拆解的目标大模型（默认选用高性价比的 "gpt-4.1-mini"）。
  • result：最终精确计算出的数值结果。
  • output：记录解题推导步骤与逻辑分析的详细推演文本。

输出引脚 (Outputs)

  • result：提炼完成的最终精确计算数值结果（供下游需要纯数值的算子消费）。
  • output：详细的解题思维链推演文本（供对话呈现或审核检视）。

典型工作流示例 (Example)

解答复合日常应用题： 例如输入问题：“如果我有 3 打鸡蛋，送给朋友三分之一，我自己吃掉了 4 个，我还剩下几个鸡蛋？”（"If I have 3 dozen eggs and give away a third, then eat 4 myself, how many do I have left?"）

  1. 在工作流中添加 Askulator 节点。
  2. 将该问题填入 instruction 参数。
  3. 节点将自动执行逻辑拆解：
    • 语义理解：1 打 = 12 个，因此 3 打 = 36 个鸡蛋；
    • 分步计算：36 的三分之一是 12 个，36 - 12 = 24 个；
    • 最终扣减：24 - 4 = 20 个；
    • 在 output 中呈现清晰的条理推导过程；
    • 在 result 处输出最终精确数值 20。

关键技术特性 (Implementation Details)

  • 语义解析与严密计算工具结合：节点利用大语言模型负责意图理解与算式提取，并将实际算术运算交给底层的代数引擎，杜绝大模型在复杂四则运算中的“幻觉算错”。
  • 双模结果分离解耦：通过严密的结构化协议，将“分析过程”与“最终数值”拆分为两个独立引脚向外输出，既方便人类阅读，又方便机器程序直接调用数值。
  • 常识库自适应扩展：模型具备丰富的物理常数与日常生活常识，能够自动对“季度”、“光年”、“英里换公里”等隐性常数执行无感转换。