上篇给大家分享了免费AI数学老师的本地搭建：
有朋友问：有什么方式可以体验一下么？
今天就来安排：把免费AI数学老师接入之前搭建的微信机器人小爱。
实操才发现，并非容易。因为Qwen-Math默认输出 Markdown 格式，且公式是 Latex 代码，如果直接文本输出，实在不忍直视。所以需要把 Latex 文本渲染成图片进行展示。
这里折腾了好久，实操过程分享给大家。
1. 新增意图识别
在零风险！零付费！我把 AI 接入微信群，爸妈玩嗨了~附教程（下）中，我把意图识别任务交给了大模型，因此，这里可以新增一个意图类别：数学题解，判断用户是否需要小爱调用数学题解服务。
至此，小爱可以识别的意图共有 9 个：
['天气', '步行规划', '骑行规划', '驾车规划', '公交规划', '地点推荐', '图片生成', '视频生成', '数学题解']
2. 核心思路实现
一旦触发数学题解意图，小爱需要根据用户输入的：图片+问题描述，去调用后端的AI数学老师大模型，并将模型回复渲染成图片，发送到微信端。
所以，核心实现逻辑包括以下几步：
- 意图识别：根据用户聊天记录，进行意图识别，一旦判定为
数学题解，则执行下一步； - 图片输入：从数据库中检索到用户发送的最近一张图片，作为
AI数学老师的图片输入； - 文本输入：从用户输入中提取和问题相关的内容；
- 请求模型：结合
图片输入和文本输入，请求上篇部署的AI数学老师； - 后处理：由于
Qwen-Math返回的是 Latex 文本，需要渲染成图片，答复用户；
3. Latex 文本转图片
Qwen-Math返回的是 Latex 文本示例如下：
要解二次方程 $(x^2 - 4x + 3 = 0)$，我们可以使用因式分解的方法。以下是步骤：
1. **识别二次方程**：给定的方程是 $(x^2 - 4x + 3 = 0)$。
2. **因式分解**：我们需要找到两个数，它们相乘等于常数项（3），并且相加等于线性项的系数（-4）。这两个数是 -1 和 -3，因为 $((-1) \times (-3) = 3)$ 和 $((-1) + (-3) = -4)$。
3. **重写二次方程**：使用这些数，我们可以将二次方程因式分解为 $((x - 1)(x - 3) = 0)$。
4. **解每个因子**：将每个因子等于零并解出 $(x)$。
$[
x - 1 = 0 \quad \text{或} \quad x - 3 = 0
]$
$[
x = 1 \quad \text{或} \quad x = 3
]$
5. **写出解**：方程 $(x^2 - 4x + 3 = 0)$ 的解是 $(x = 1)$ 和 $(x = 3)$。
因此，最终答案是 $(\boxed{1 \text{ 和 } 3})$。
直接返回给用户，显然没法看。
这里尝试了两种方案：
- markdown + imgkit
- matplotlib
其中第一种方案：首先采用 markdown 库 将文本渲染成 html 文件，然后再采用 imgkit 库 将 html 文件渲染成图片，尝试失败了。。。
下面主要介绍第二种方案，matplotlib 可以渲染最基本的 Latex 公式。
对于 Ubuntu/Debian，首先安装字体依赖包：
sudo apt-get install fonts-noto-cjk
然后，下载字体文件，比如 SIMKAI.TTF，SimHei.ttf
依赖包引入：
import re
from matplotlib import pyplot as plt
from matplotlib import rcParams
rcParams['font.family'] = 'SimHei' # 用来正常显示中文标签
rcParams['axes.unicode_minus'] = False # 用来正常显示负号
如果需要 matplotlib 支持所有 Latex 公式，可以加上下面这一行，不过需要先安装号 LaTeX，还比较麻烦。
rcParams['text.usetex'] = True
如果提示找不到字体文件，可以采用 fm 引入自定义字体：
import matplotlib.font_manager as fm
font_path = 'data/SIMKAI.TTF'
font_prop = fm.FontProperties(fname=font_path)
plt.figure()
plt.text(0.1, 0.5, markdown_text, fontproperties=font_prop, fontsize=14, va="center", ha="left")
plt.axis('off') # 隐藏坐标轴
plt.savefig("output_image.png", bbox_inches='tight')
最后我们来看一张渲染结果：
当然，因为matplotlib 对 Latex 的支持有限，你会发现很多公式无法搞定，所以最好加上一些正则表达式的前置处理：
def markdown_to_img(markdown_text, image_path='output.png'):
try:
markdown_text = re.sub(r"\\boxed\{([^$]*)\}", r"\1", markdown_text)
markdown_text = re.sub(r"\\text\{([^}]*)\}", r"\1", markdown_text)
markdown_text = re.sub(r"(\$\[)(.*?)(\]\$)", lambda m: m.group(1) + re.sub(r"\s*\n\s*", " ", m.group(2)) + m.group(3), markdown_text, flags=re.DOTALL)
markdown_text = markdown_text.replace(r"\quad", " ")
markdown_text = markdown_text.replace("和", "&").replace("或", "|")
plt.figure()
plt.text(0.1, 0.5, markdown_text, fontproperties=font_prop, fontsize=14, va="center", ha="left")
plt.axis('off') # 隐藏坐标轴
plt.savefig(image_path, bbox_inches='tight')
except Exception as e:
print(e)
最终效果展示如下：
4. 效果展示
最后，我们接入微信机器人，看看测试效果吧：
默认会从数据库中检索用户最近上传的一张图片，如果没有，则完全基于文本输入进行回答。
写在最后
本文通过简单两步为小爱接入了 AI数学题解 的能力，你只需拍照上传图片，任性向他提问。
希望这款免费AI老师，能帮你省下一笔家教费~
如果对你有帮助，不妨点赞收藏备用。
大家有更好的想法，欢迎来聊。
为方便大家交流，新建了一个 AI 交流群，欢迎感兴趣的小伙伴加入。
小爱(AI)也在群里，公众号后台「联系我」，拉你进群。