手把手搭建本地AI大脑第 4 篇：会算也能做——公式引擎与工具生态，本地大脑的“双手“

原创已于 2026-08-18 16:32:34 修改 · 304 阅读

4 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

羽山数智

于 2026-08-17 09:36:50 首次发布

羽山数智 本地AI大脑解决方案 · 系列教程第 4/5 篇

上一篇：认知管线（大脑是怎么"想"的）

本篇主题：YFC 公式核心、行业插件、任务编排、数据接入——大脑怎么"做"

一、大脑 + 双手：双核驱动范式

羽山数智的本地AI大脑完整认知模型是大脑 + 双手：

大脑（L1-L3）: 策略 / 理解 / DAG 组装 —— 负责"想清楚做什么"

双手（L4-L5+YFC）: 执行 / 产出 —— 负责"做出来"

中间语言: TaskScript DAG（大脑写给双手的施工图）

这套范式的核心协议是 TaskScript DAG（brain/taskscript.py）：

dag = TaskDAG(intent="电路校验", domain="electronics")

dag.add_node("calc_current", ENGINE_YFC,

{"formula": "ohms_law", "inputs": {"V": 12, "R": 100}})

dag.add_node("validate_limit", ENGINE_SAFETY,

{"rule": "current_limit", "ref": "calc_current.result"},

deps=["calc_current"])

dag.add_node("render_report", ENGINE_RENDER,

{"template": "circuit_report"},

deps=["calc_current", "validate_limit"])

支持 6 种执行引擎：YFC（公式链）/ GENEPOOL（知识）/ SAFETY（校验）/ TOOL（工具）/ RENDER（输出）/ EXTERNAL（外部服务）。DualHandExecutor 消费 DAG：拓扑排序 → 引用解析（{calc_current.result}）→ 死锁检测 → 智能降权。

二、YFC 公式核心：带单位的确定性计算

大模型算 12V ÷ 100Ω 会给你 0.12（忘了单位）、0.12A（猜对了）或者 1200（抽风）。羽山数智的答案是 Yurong Formula Core（YFC）——一个自研的工程级公式链引擎：

组件	职责
Quantity	带单位实体，30+ 单位自动换算（kOhm→Ohm、uF→F、Ci→Bq...）
FormulaNode	DAG 节点：公式 + 依赖 + 输出单位
FormulaExecutor	拓扑排序 + 受限 eval（安全沙箱）+ 插件生命周期
5 行业插件	电子 / 化工 / 核物理 / 金融 / 工程

行业插件：5 个垂直领域开箱即用

🔌 电子：BJT 三极管放大电路（4 步 DAG）

I_B = (V_CC - V_BE) / R_B # 硅管默认 V_BE=0.7V 自动注入

I_C = beta × I_B

V_CE = V_CC - I_C × R_C

P_C = I_C × V_CE # 输出工作区判定: 放大区✅/临界⚠️/饱和❌

还有 MOSFET 共源放大（V_ov→I_D→g_m→V_DS 四步链 + 饱和区判定）、OpAmp 反相放大。实测"电源电压12伏，基极电阻240k，放大倍数100"→ 参数自动提取 → 4 步链执行 → 工作区判定，2 秒内完成。

⚗️ 化工：合成氨（6 步 DAG + 限量试剂）

n(N₂) → n(H₂) → n(H₂_needed) → h₂_excess → n(NH₃) → m(NH₃) → V(NH₃, STP)

☢️ 核物理：放射性衰变（6 步链）

lambda = ln(2)/T_half → A(t) → Bq 换算 → 原子核数 N → 安全退役年限

实测：1342.0 Ci → 4.97e13 Bq → N=1.19e22 → 退役需 47.2 年，全程带单位换算。

💰 金融：NPV / 债券定价 / VaR / 监管约束

bond_price(fv, cr, yr, ytm) → 净价/修正久期/凸性

var_parametric / var_historical / var_monte_carlo → VaR + CVaR

REGULATORY_CONSTRAINTS: Basel III (CAR≥8%) / 中国银保监 (≥10.5%) / 证监会

🏗️ 工程：安全系数 + 标准约束（EngineeringPlugin）

高等数学：零依赖符号引擎

brain/formula_core/math_engine.py 是纯 Python 符号数学引擎，不装 sympy 也能干：

符号求导 diff(expr, var)：多项式/三角/指数/对数/乘积/除法/链式法则
数值代入 subs(expr, var, val)：受限 eval
泰勒展开 series(expr, var, point, n)

外加 ODE 求解器（Euler / RK4）、PDE 求解器（一维热传导 FTCS、波动方程显式格式，自动 CFL 稳定性校验）、PID 控制器仿真（终值/超调量/稳定时间）。

小故事：ToolColumn 里其实装过 sympy 兜底，但发现表达式解析有中文混排、隐式乘号（4x→4*x）等问题，而且存在一段永远不可达的死代码（if expr: 内的 if not expr:）。修复后自研引擎成为主力——能自己算的，不依赖外部库。

三、ToolColumn：把"会做"扩展到系统能力

公式之外，大脑还要能查日期、跑数据、执行计算：

能力	实现
日期逻辑推算	"三天前是星期五,那么后天是星期几" → FastPath 直接算（<2s）
中文运算归一化	"2乘以3加5" → 归一化中文运算符 → 精确计算
符号求解	y=x^2-4x+3 求最小值 → 求导 → 临界点 → 极小值判定
单位参数提取	自然语言 → 结构化参数（V_CC=12V, R_B=240kOhm, beta=100）
数据读写（P0）	SQLite / MySQL / PostgreSQL / CSV / JSON / xlsx，读写双通道

自然语言参数提取器（ParamExtractor）是关键桥梁——27 条行业模式，把"电源电压12伏，基极电阻240k，放大倍数100"变成机器可算的 {V_CC: 12V, R_B: 240kOhm, beta: 100}。

四、TaskOrchestrator：多步任务的"项目经理"

单步计算解决了，多步业务问题怎么办？——"查询数据库里上个月的订单，算同比，输出报表"这类。羽山数智的 _try_execute_business_query() 在 Step 0.5 自动检测：

has_data = 含查询/读取/导出 SQL/CSV 关键词

has_compute = 含同比/环比/增长/趋势关键词

has_multi = 含先...再.../最近/过去关键词

命中则自动构建 TaskDAG → 提交 TaskOrchestrator → 后台线程池执行 → 轮询结果。TaskOrchestrator 特性：

DAG 持久化到 SQLite（任务状态可查、可恢复）
失败重试（MAX_RETRY=3）
线程独立连接（SQLite 跨线程陷阱：_db_per_thread 字典隔离，每个线程自己的连接）
与 TaskScript 协议互通——大脑产出的 DAG，双手负责执行

五、会话记忆：大脑不能"每次都是第一次见面"

P0 补上的致命短板：无状态问答。brain/conversation_memory.py（185 行）：

# SQLite 持久化会话

# 每轮查询自动注入最近 N 轮上下文到 Thalamus

# API: /api/sessions (列表/清理) + ThinkRequest.session_id

"那后来呢？""换一种算法呢？"——这类指代问题从此有了解答基础。

六、真实效果：计算类问题全链路示例

问: 电源电压12伏，基极电阻240k，放大倍数100，求静态工作点

Thalamus: FORMULA + electronics 域

→ FormulaColumn → ParamExtractor:

{V_CC: 12V, R_B: 240kOhm, beta: 100}

→ 行业插件匹配: ElectronicsPlugin

→ DAG: I_B → I_C → V_CE → P_C（自动注入 V_BE=0.7V）

→ 执行 + 工作区判定

答: I_B=0.047mA, I_C=4.71mA, V_CE=4.71V → 放大区✅

置信度 0.95 · 推理链可展开查看 · 耗时 1.8s

整个过程：确定性、带单位、带判定、带追踪。这就是工业大脑和聊天机器人最大的不同——算错了能定位到是哪一步、哪个公式、哪个参数。

七、本篇小结

大脑 + 双手：想清楚（DAG）和做出来（执行）分离，中间用 TaskScript 协议衔接。
YFC 是差异化核心：带单位、带行业插件、带符号数学，工程计算确定性 100%。
工具即能力：日期/计算/数据读写/符号求解，ToolColumn 让大脑"手脚健全"。
任务编排把单步能力升级为多步业务流程。
会话记忆让大脑从"单次问答机"变成"可连续对话的助手"。

📌关于羽山数据

面向企业数智化转型需求，羽山数据通过数据产品、智能体应用、场景化 Demo、PoC 验证与 FDE 项目制交付，帮助客户把数据真正转化为可分析、可执行、可审计、可落地的业务能力。在 AI 编程工具应用领域，羽山强调“人机协同”的工程实践：AI 负责加速可标准化部分，人负责架构判断、代码审查和质量把控，确保 AI 提升的是团队真实的交付能力，而不只是代码提交量。

● 商务合作：孟经理

● Email：mengfanhui@yushanshuju.com

● 公司官网：www.usendata.com/

● 地址：上海市虹口区飞虹路 118 号

*羽山数智 · 本地大脑解决方案：数据不出机房，推理全可审计。*

*下一篇：仿生增强与工程化落地——从"能用"到"能上线"。*

标签

#人工智能