参数提取器节点是LangChat Pro工作流中的AI工具节点，利用LLM从自然语言推理并提取结构化参数，用于后置的工具调用或HTTP请求。
节点特性
参数提取器节点属于工具型处理节点，其核心特性是执行AI推理和参数提取操作并将结果封装为上下文变量，而非直接输出给用户。工具节点 vs 输出节点
在LangChat Pro工作流中，节点按照输出特性分为两类： 输出节点（直接响应用户）：- LLM大模型节点：支持流式输出
- 直接回复节点：输出变量内容
- 参数提取器节点
- 百度搜索节点
- 知识库检索节点
- 其他功能节点
执行场景对比
参数提取器节点
参数提取器节点基于AI大模型，提供智能的自然语言理解和参数提取能力，将非结构化文本转换为结构化数据。配置参数
输入参数
推理模型：- 选择用于参数提取的AI模型
- 支持多种大模型选择
- 通过模型选择器配置
- 影响提取的准确性和效果
- 支持动态引用流程上下文变量
- 支持静态文本输入
- 支持变量和文本的混合输入
- 通过智能变量选择器配置
- 待提取参数的自然语言文本
输出变量
提取内容：- 数据类型：TEXT文本格式
- 内容：从自然语言中提取的结构化参数
- 用途：供下游节点引用和处理
典型使用场景
场景一：简单参数提取
适用场景：- 从用户输入中提取关键参数
- 简单的自然语言理解
- 参数标准化处理
场景二：参数提取+工具调用
适用场景：- 将自然语言转换为API调用参数
- 智能化的工具调用
- 自动化的参数处理
场景三：多参数提取
适用场景：- 从复杂输入中提取多个参数
- 结构化数据处理
- 多字段信息提取
场景四：条件参数提取
适用场景：- 根据参数完整性执行不同逻辑
- 智能的参数验证
- 条件化的工具调用
场景五：多轮对话参数提取
适用场景：- 多轮对话中的参数收集
- 智能的参数补充
- 交互式的参数提取
参数提取器节点是工作流中自然语言理解的重要工具，基于AI大模型提供智能的参数提取能力。通过合理配置模型和输入参数，可以实现高效的自然语言到结构化数据的转换。