参数提取器节点

【参数提取器】节点用于利用大语言模型（LLM）从自然语言中提取出结构化参数，这些参数可直接用于后续节点，如工具调用、HTTP 请求、数据库查询等场景。
该节点可将非结构化的用户输入（如对话文本、自然语言描述等）转换为明确的字段与数据类型，从而实现自然语言到程序逻辑的桥接。

882c220d66a34425aa6cfdec043f582c

应用场景

• 工具调用前置：从自然语言输入中提取出 API 调用所需的参数；
• 结构化输入生成：将复杂文本转换为 JSON 格式以便下游处理；
• 用户输入分析：识别文本中的时间、地点、实体、类别等关键信息；
• 表单数据自动补全：从用户描述中抽取字段填充表单；
• 与循环节点配合使用：将文本分割成数组结构，供循环数组节点使用。

节点功能

参数提取器节点的主要作用是通过 LLM 的自然语言理解能力，将用户输入转化为结构化数据。
节点输出的结果通常为 Object（对象） 或 Array（数组） 格式，
可作为后续节点的输入变量，支持多种数据类型字段。

节点结构

• 输入变量：通常为上游的自然语言文本，如 sys.query 或 LLM 输出；
• 输出变量：结构化对象（Object）或数组（Array）；
• 定义字段：通过参数模板定义需要提取的字段名、类型、描述；
• 模型设置：选择用于提取的语言模型；
• 指令提示：编写提取规则或模板，引导模型输出结构化数据。

配置流程

1. 添加参数提取器节点
   在工作流中添加节点，将上游输出（如 LLM 回复、用户输入等）连接到参数提取器节点。

2. 选择输入变量
   通常选择开始节点的 sys.query 或上游 LLM 输出。

3. 定义输出结构
   在“提取参数定义”中添加所需字段，例如：

   字段名	数据类型	描述
   city	String	城市名称
   date	String	查询时间
   temperature_unit	String	温度单位（如摄氏度/华氏度）

4. 配置指令
   在提示词中说明提取目标，例如：

请从用户输入中提取城市名、时间与温度单位。
仅返回 JSON 格式结果。

5. 选择模型
   选择合适的语言模型（建议使用支持 JSON 输出的模型，如 GPT 或 Qwen）。

6. 测试与验证
   输入自然语言示例，如：

帮我查一下明天上海的天气，用摄氏度显示。

输出示例：

{
  "city": "上海",
  "date": "明天",
  "temperature_unit": "摄氏度"
}

图片

输出类型

参数提取器节点的输出通常为 Object 或 Array。 根据提取逻辑，可用于不同场景：

输出类型	示例	常见用途
Object	{ "city": "北京", "date": "明天" }	结构化字段传参
Array	[{"section":"第一章"}, {"section":"第二章"}]	批量循环处理

建议

若输出为数组类型，可直接作为 循环数组节点 的输入，进行批量任务处理。

场景

1. 从自然语言中提取工具所需的关键参数
   示例：构建一个简单的对话式 Arxiv 论文检索应用。
   在该示例中，Arxiv 论文检索工具的输入参数要求为 论文作者 或 论文编号。如：参数提取器从问题 "这篇论文中讲了什么内容：2405.10739" 中提取出论文编号 2405.10739，并作为工具参数进行精确查询。

图片

2. 将文本转换为结构化数据
   示例：在长故事迭代生成应用中，作为迭代节点的前置步骤，将文本格式的章节内容转换为数组格式，方便迭代节点进行多轮生成处理。

图片

3. 提取结构化数据并使用 HTTP 请求
   可以请求任意可访问的 URL，适用于获取外部检索结果、Webhook 调用、生成图片等情景。

小结

参数提取器节点是对话流智能体中的“结构化桥梁”， 它让自然语言指令与程序化调用之间无缝衔接。 通过合理的字段定义与模型提示，你可以轻松将用户的模糊表达，转化为精准可执行的参数结构。