作者：子釉
为什么需要 WolframAlpha
随着人工智能技术的飞速发展，大语言模型（LLM）如 GPT-4 在自然语言处理和生成方面取得了显著的成就。然而，这些模型在处理复杂的科学和数学问题时，常常出现所谓的"幻觉"现象，即生成错误或不合理的结果。这种现象不仅影响了模型的可靠性，也限制了其在教育、科研等领域的广泛应用【1】。
大语言模型在生成文本时，往往依赖于其训练数据中的模式和关联，而缺乏对现实世界的物理规律和逻辑规则的深入理解。这导致在处理科学和数学问题时，模型可能会生成看似合理但实际上错误的答案。例如，在解决物理问题时，模型可能会忽略单位转换、物理定律的应用，甚至在数学计算中出现低级错误。这种幻觉现象不仅影响了问题解决的正确性，也使得模型在面对复杂问题时显得力不从心。
WolframAlpha 是一个强大的计算知识引擎，能够处理各种科学、数学和技术问题。它基于广泛的数学和科学知识库，能够进行精确的计算、符号操作和公式推导。与大语言模型相比，WolframAlpha 在处理复杂的数学公式、物理定律和科学概念时具有显著的优势。它能够准确地执行计算任务，避免因模型自身的局限性而导致的错误【2】。
Higress MCP 市场近期上线了 WolframAlpha LLM API，可以通过 WolframAlpha MCP 形式调用，支持如 Lobechat、Cline、Cherry Studio、DeepChat 等多种调用形式。目前提供单用户 10 次/月的免费试用限额，欢迎大家试用！
配置流程
获取 WolframAlpha MCP 工具
进入 Higress MCP 市场主页：mcp.higress.ai/，点击 WolframAlpha
在 WolframAlpha 中，使用自定义或试用的 API-KEY 来生成 URL
选择保存好生成的 Streamable HTTP URL，用于后续的配置。
在 Lobechat 中配置 Higress MCP
安装 Lobechat
Lobechat 提供在线版本及开源版本，目前最新版均支持 MCP 工具的使用。
对于开源版本，需要用户在本地具有 docker 环境，执行以下命令，一键即可安装：
arduino
docker run -d -p 3210:3210 \
--name lobe-chat \
lobehub/lobe-chat:1.82.4在设置界面，可以配置不同模型供应商对应的 API-KEY。
配置 Higress MCP
在 lobechat 的插件商店中，选择自定义插件：
选择 MCP 插件，并指定 Streamable HTTP 模式，填写上一步中获取的 URL，然后安装插件。
在对话界面，启用 WolframAlpha 插件。
测试案例
对于一些基本的推理、常识性的知识，引入 WolframAlpha 能够很好解决推理过程中的幻觉问题。同时，对于计算、绘图等基本数学功能，WolframAlpha 也能获得较好的表现。
数学推理
对于推理较难的非常识性数学知识，比如以下问题：
2^136279841-1 是素数吗？
当没有调用 WolframAlpha 工具时，由于问题较为复杂，基于模型推理过程无法给出准确答案。
日常计算
对于一些日常数学问题，也可以借助 WolframAlpha 来进行计算：
假设当前有 10,000 元，未来 10 年的通货膨胀率以 0.5% 的连续复利增长，那么这笔钱的未来购买力相当于今天的多少钱？
图像绘制
除此之外，WolframAlpha 还支持一些基本的图像绘制及生成的功能：
获取 10000 以内素数的分布，使用合适的绘图方式表示出每千位素数数量的变化
此外，WolframAlpha LLM API 在调用出错的情况下，会根据返回结果来提示更优的提问方式；Agent 在接收到类似的指令返回后，也会优化提问方式再次调用工具，从而获取正确的结果。
展望
通过结合 WolframAlpha 工具，可以有效解决大语言模型在处理科学和数学问题时的幻觉现象。WolframAlpha 的精确计算能力和广泛的知识库能够弥补大语言模型的不足，提升其在复杂问题解决中的准确性和可靠性。未来，随着技术的进一步发展，这种结合方式有望在更多领域得到应用，推动人工智能技术的更广泛发展。
Higress MCP 市场目前已上架 40+ 款 MCP 服务，包含如搜索、沙盒工具、基础信息查询等多个服务，欢迎使用接入！