写在前面
先说说为什么做这个东西,上个月和朋友拼单点奶茶,六个人八十多块,关键是有零有整的最能考验人,我当场口算了三遍,三遍结果都不一样,最后还是掏出手机按计算器。手机在兜里,Rokid眼镜在脸上,这一来一回的我琢磨了一下,两个数的加减乘除这种事,能不能张嘴问一句,眼镜直接告诉我答案?这波操作完全可以让乐奇帮我计算啊!
于是就有了"随口算"。这是我在 Rokid AIUI Studio 上做的一个智能体,规矩特别少:对着眼镜说一句"268除以3",屏幕上先出现算式"268 ÷ 3 =",下面一行 54 像素的大字给出 89.33,再补一句"除不尽,已保留两位小数",同时语音把"268 除以 3 等于 89.33,保留两位小数"念出来。整个过程不联网、不调模型、不保存,全在本地完成。
项目背景
AIUI Studio上的智能体就是一个app.json加若干页面:app.json写清楚智能体叫什么、什么话唤起它、要哪些权限;页面用.ink文件写,脚本就是普通JavaScript。我的取向是一句话能在本地解决的绝不调模型——268除以3这种题,调大模型又慢又费还偶尔算错,本地一行代码又快又稳还免费,所以整个项目没有一行网络请求。
项目小到可以直接数出来:app.json是配置,modules/calc.js负责解析和计算,modules/voice.js负责页内收音,pages/calc/calc.ink是唯一的页面。权限只声明RECORD_AUDIO一项,没有存储权限,没有网络权限,算式说一句算一句,关掉页面什么都不剩。
app.json里给它的定位是:"听一句两个数的加减乘除,本机算出结果,大字显示并语音播报;只算一步,除不尽保留两位小数,不联网、不保存。"agentPrompt里给了"268除以3""十二点五乘四""一百减三十八"三个触发例句,阿拉伯数字、带小数、纯中文数字三种风格各点一遍,再交代超过两步、含括号、除数为0、数字超过99999999时明确提示,不要猜题、不要连算。老实交代一处没同步的地方:agentPrompt里写的按钮名还是早期的「语音说」,页面后来改成了「算一个」,这段配置我一直没回头改。
功能设计
我将规矩一条条列出来,能少一条是一条。只算一步,"三加五乘二"这种连算直接拒绝,想算两步说两次。数字上限99999999,小数最多两位,再大的数就不是张嘴能算清楚的事了。阿拉伯数字和中文数字都认,识别引擎吐出来什么风格就接什么风格。宁可让用户重说,不悄悄改用户的数:"1.234加2"里的1.234超两位小数,直接提示"数字最多保留两位小数",不自作主张四舍五入——算术工具最怕的就是"你没说错它却帮你改了"。
两个入口,一条管道:宿主带原话进来是一条路,页面点按钮自己说是一条路,最后都进同一个解析函数,不存在"说的和传的字算出来不一样"这种事。结果念出来,错误也念出来:使用场景往往是手上忙着,耳朵才是主通道,报错不念用户会以为没听见,再说一遍同样的错话就循环起来了。
使用方法
智能体打开后点页面底部的「算一个」按钮开始收音,界面在480×352的屏幕上从上到下是标题、算式行、结果大字、注释行、按钮、状态行和提示行,提示语写着"说一句:268除以3 · 只算一步"。键盘也能用:确认键等于点「算一个」,方向键移动焦点,按住不放的连发会被忽略,收音进行中按键不响应,不会打断收音。
空打开时,算式行是"等待一句算式",结果位是一个省略号:
点「算一个」后,状态行先变成"正在连接语音…",连上后变成"正在听,说完单击结束",识别到的字实时回显,只显示最后28个字符。说完再点一下按钮结束,忘了点也没关系,20秒不说话自动收尾:
实现细节
1 、 calc.js开头是四个常量:MAX_VALUE 99999999、MAX_DECIMALS 2、MAX_TEXT 60,加上写给页面底部看的CALC_NOTE"只算一步 · 除不尽保留两位小数 · 不联网"。所有边界检查都引用这几个常量,改一处就是改全部,不会出现"页面挡了、模块没挡"的双标。
2、语音进解析前先decodeURIComponent兜底,再做NFKC归一化把全角数字、全角加号拉成半角,最后把空白全部删掉——算式里空白没有语义,留着反而让后面的正则多一种情况要防。
3、两个循环处理:一个从尾巴往前剥"等于多少""是多少"这类问语和标点,一个从头上剥"帮我算算""请问"这类开场词,长词排在前面,各自剥到不再变化为止,"帮我算算268除以3等于多少"就干干净净变成"268除以3"。这里踩过一个实打实的坑:两个循环共用一个"上一轮结果"变量,第二段循环的条件一开始就不成立,前缀一个字都没剥掉,"帮我算算"混进数字解析报"没认出算式里的数字"。修复就一行,第二段循环开始前把这个变量重置成空字符串,一行代码查了半天。
function stripWrapping(text) {
let source = text;
let previous = '';
while (source !== previous) {
previous = source;
source = source.replace(/(等于多少|等于几|是多少|是几|得多少|得几|等于|多少|几|=|?|?|。|,|,)+$/, '');
}
previous = '';
while (source !== previous) {
previous = source;
source = source.replace(/^(请问一下|请问|帮我算一下|帮我算算|帮我计算|帮我口算|帮我|算一下|算算|计算一下|计算|口算|我算一下|那)/, '');
}
return source;
}
4、"除以"和"除"都归成除号,"乘""乘以""乘上"归成乘号,加和减同理;顺手把斜杠、星号和字母x也认了,识别引擎吐出"8/2"或"3x4"也能接住,归一完只可能剩四种符号。
function normalizeOperators(text) {
return text
.replace(/除以|除|//g, '÷')
.replace(/乘以|乘上|乘|×|*|[xX]/g, '×')
.replace(/加上|加|+/g, '+')
.replace(/减去|减/g, '-');
}
5、计算过程位值累加:扫到"十"把当前数乘十进位,扫到"百"乘百进位,"两百减一百二十"就是200减120,"两"映射成2,"一百零五"是105。中文数字还能带小数,"一百点五一"按100.51算,小数点后只认"零到九"的单字序列,同样最多两位。
export function chineseToNumber(text) {
const source = String(text || '');
if (!source) return NaN;
let total = 0;
let current = 0;
let matched = false;
for (const char of source) {
if (char in DIGITS) {
current = DIGITS[char];
matched = true;
} else if (char === '十') {
if (!matched) current = 1;
total += current * 10;
current = 0;
matched = true;
} else if (char === '百') {
if (!matched) current = 1;
total += current * 100;
current = 0;
matched = true;
} else {
return NaN;
}
}
return matched ? total + current : NaN;
}
6、对计算结果先四舍五入到两位,再固定两位格式,最后把尾巴上的零和小数点剥掉,三步一步不能省:只四舍五入,0.1加0.2会显示成一长串;只固定格式,4除以2会显示"2.00"。三步走完,"0.30"显示0.3,"2.00"显示2,看着才像人说的话。
7、屏幕上显示"268 ÷ 3 =",念出来的是"268 除以 3 等于 89.33,保留两位小数",符号换回了"除以",装配代码就几行:
return {
ok: true,
heard: source,
expression: `${a} ${symbol} ${b} =`,
resultText: formatted,
spoken: `${a} ${OP_WORDS[symbol]} ${b} 等于 ${formatted}${approx ? ',保留两位小数' : ''}`,
note: approx ? '除不尽,已保留两位小数' : CALC_NOTE
};
只有除法且除不尽时才追加"保留两位小数"。
8、对收音进行兜底操作,voice.js挂三个定时器:启动10秒没连上就报"语音未就绪,请点「算一个」重试";收音后20秒没声音自动收尾;结束后再等1.8秒让最终结果落回来。三条路各防一种卡死:连不上、不说人话、说完了不回调。权限被拒有单独文案,页面每次开收音发一个运行序号,旧识别器的回调发现序号对不上就自动作废,页面被盖住或退出时立刻停麦,不会有麦克风在背后偷偷收音。
9、页面排版设计,calc.ink三百来行分四段:JSON声明、脚本、界面结构、样式。全页只有「算一个」一个按钮,识别结束就把原话和宿主文本走同一个calculate函数,成功时状态行显示"听到:"加原话,失败时显示"请再说一次,例如"268除以3"",同时把具体错误念出来。样式上结果字固定54像素,算式行超过16个字符自动换成15像素紧凑字号,长算式不至于挤出屏幕。还有一处死代码我留着没删:一个叫VOICE_TIP的提示常量声明了没用上,写出来让各位见笑,也提醒自己回头清一清。
错误处理
错误提示一共十条,每条对着真实出错场景写。其中"除数不能是0"是在运算前单独拦下的,不是让JavaScript先算出Infinity再报"结果超出范围";"没认出算式里的数字"兜所有解析不出来的情况,包括识别引擎把"除以"听成"除一"这种,我不做同音纠错,重说一遍比猜错强。
每条文案怎么触发也实测对了一遍,下表输入全是喂给calculate的原话,输出一字未改:
| 输入 | 得到的提示 |
|---|---|
| 空字符串 | 没听清算式,请说"268除以3" |
| "268除以" | 算式不完整,请说"268除以3" |
| "二十六八"、"你好"、"268 3" | 没听到运算符,请说"加、减、乘、除" |
| "268除以3除以2" | 一次只算一步,不要连算 |
| "3.14159加1" | 数字最多保留两位小数 |
| "100000000加0" | 数字太大,请控制在99999999以内 |
| "268除以0" | 除数不能是0 |
| "99999999加1" | 结果超出范围,请换小一点的数 |
| "一万加一" | 没认出算式里的数字 |
| 超过60字的长句 | 一句话说得短一点,只算一步 |
被拒绝时长这样,算式行保留听到的原话片段,结果位回到省略号:
已知限制
不支持连算、括号和负数输入,操作数不能是负的但结果可以是,"三减五"会得到 -2。中文数字只认到"百"。小数超过两位直接拒绝,不四舍五入。尾巴清单没有语气词,句尾带"呢吧吗"暂时解析不了,下一版补。原话超过60个字符被拦下,和app.json里text参数上限一致,宿主和页面不会打架。没有历史记录,算完一句再说就整体替换。界面按480×352写死,没做别的尺寸适配。
测试与验证
解析和计算逻辑直接在AIUI Studio平台上进行模拟验证,全程模拟收音设计,将文字输入给我的智能体,然后验证结果全是真实输出:
- "268除以3"得268 ÷ 3 = 89.33,标记除不尽
- "十二点五乘四"得50,"一百减三十八"得62,"一百零五除以五"得21
- "两百减一百二十"得80,"8/2"得4,"3x4"得12,"0.1加0.2"得0.3
- 带客套话的"帮我算算268除以3等于多少"正常剥壳算出89.33
- "三加五乘二"被拒:"一次只算一步,不要连算";"10除以0"被拒:"除数不能是0"
- "1.234加2"被拒:"数字最多保留两位小数"
- "一百五加一"算出105 + 1 = 106("一百五"按105处理);"一百点五一加一"得101.51,中文小数这条路实测走通
- "0.5加0.5"得1,"3减5"得 -2,负数结果照常显示、照常播报
- "99999999加1"被拒:"结果超出范围,请换小一点的数"
页面跑在本地调试壳里,前面三张截图都来自这一轮,布局、两种入口、状态切换都对得上。
总结
随口算是个很小的东西:四个文件,一条"只算一步"的规矩,一个按钮。把它写踏实之后我对"小"有了新的理解——规矩越少,边界越清楚,每条边界都能验证,这种确定性在大项目里反而稀缺。两个数的加减乘除,本机一步算完,念给你听,不留一片数据,以上就是我在AIUI Studio平台开发全流程的实战分享啦!