消息组件
显示带有可读性分析器操作指引的欢迎信息。
👋 欢迎使用可读性分析器！
我可以通过多种指标分析您文本的可读性，包括Flesch-Kincaid、Dale-Chall、Flesch、ARI、Coleman-Liau、Gunning Fog、SMOG、Spache和Linsear Write 📊。只需提供您想评估的文本，我就会为您详细解析其可读性得分。
让我们开始吧——请粘贴您的文本，其余交给我！✨📝
本工作流名为**“从文本评估可读性”**，旨在帮助用户轻松利用多种权威指标评估任意文本的可读性。通过自动化评估过程，使写作者、教育工作者、编辑及内容创作者能够快速获得关于写作复杂度和可访问性的反馈，这对于提升内容质量控制和确保材料适合目标受众至关重要。
工作流运行方式
1. 用户问候与引导
当用户打开聊天界面时：
- **聊天开启触发器（Chat Opened Trigger）被激活，并向消息组件（Message Widget）**发送信号。
- 消息组件显示友好的欢迎信息，引导用户粘贴需要分析的文本。
- 欢迎信息通过**聊天输出节点（Chat Output）**展示给用户。
欢迎信息示例：
👋 欢迎使用可读性分析器！
我可以通过多种指标分析您文本的可读性，包括Flesch-Kincaid、Dale-Chall、Flesch、ARI、Coleman-Liau、Gunning Fog、SMOG、Spache和Linsear Write 📊。
只需提供您想评估的文本，我就会为您详细解析其可读性得分。让我们开始吧——请粘贴您的文本，其余交给我！✨📝
2. 用户输入文本
- 用户在**聊天输入（Chat Input）**中输入或粘贴文本。
- 输入的文本被发送到**可读性分析器（Readability Evaluator）**节点。
3. 可读性分析
- 可读性分析器处理提交的文本。
- 计算一系列可读性指标：
- Flesch Kincaid年级等级
- Flesch阅读容易度
- Dale-Chall可读性
- 自动可读性指数（ARI）
- Coleman-Liau指数
- Gunning Fog指数
- SMOG指数
- Spache可读性
- Linsear Write公式
- 其他统计（如词数和句数）
4. 展示结果
- 结果被格式化为易读信息。
- 通过另一个**聊天输出节点（Chat Output）**发送给用户，清晰汇总所有可读性分数和统计数据。
工作流步骤汇总表
| 步骤 | 节点/组件 | 目的 |
|---|---|---|
| 1. 聊天开启 | ChatOpenedTrigger | 检测用户打开聊天 |
| 2. 欢迎引导 | MessageWidget → ChatOutput | 问候用户并提供操作指引 |
| 3. 文本输入 | ChatInput | 接收用户待分析文本 |
| 4. 可读性评估 | ReadabilityEvaluator | 计算多项可读性指标 |
| 5. 展示结果 | ChatOutput | 以格式化报告形式向用户展示可读性分析结果 |
此工作流的优势
- 可扩展性： 自动化可读性评估流程，高效处理大量文本或多份文档分析。
- 一致性： 采用权威标准指标，保证评估标准统一。
- 易用性： 即时反馈，结果直观明了，适合非技术用户使用。
- 质量控制： 帮助写作者和编辑针对特定阅读水平或受众优化内容。
- 教学辅助： 帮助学生和教师了解写作复杂度，并追踪进步情况。
典型应用场景
- 内容写作者/编辑： 快速检测文章、博客或报告是否达到可读性要求。
- 教师： 评估学生作文是否符合年级水平。
- 出版商： 确保稿件对目标读者友好易读。
- 企业： 检查面向客户的文档是否清晰易懂。
通过简化可读性评估流程，该工作流节省时间，减少人工工作量，提升文本材料的整体质量与可访问性。
