Deliberate Reasoning Engine

深思熟虑的推理引擎（DRE）

一种模型上下文协议（MCP）服务器，将线性AI推理转换为结构化、可审计的思维图。DRE使语言模型能够将其推理过程外部化为具有语义思维类型、依赖关系和验证的有向无环图（DAG）。

🌟 特性

• 🧠 语义思维类型：将思想分类为目标、假设、假设、问题、证据、行动、综合和批评
• 🔗 基于图的依赖关系：构建具有明确关系和依赖关系的思想DAG
• 🚨 假设跟踪：通过自动级联到依赖性思维来监控和否定假设
• 📊 假设评分：追踪支持和反驳证据（即将发布）
• 💾 会话保持：保存和加载推理会话（即将推出）
• ✅ 图形验证：检测周期、矛盾和孤立的想法
• 🎯 专注推理：通过结构化问题分解使LLM保持正轨

📦 安装

作为MCP服务器

npm install -g deliberate-reasoning-engine

为了发展

git clone https://github.com/haasonsaas/deliberate-reasoning-engine.git
cd deliberate-reasoning-engine
npm install
npm run build

🚀 快速开始

使用Claude Desktop进行配置

添加到您的Claude Desktop配置(~/Library/Application Support/Claude/claude_desktop_config.json):

{
  "mcpServers": {
    "dre": {
      "command": "npx",
      "args": ["deliberate-reasoning-engine"]
    }
  }
}

或者使用本地开发版本：

{
  "mcpServers": {
    "dre": {
      "command": "node",
      "args": ["/absolute/path/to/dre/dist/index.js"]
    }
  }
}

重新启动Claude Desktop，您将在🔧 菜单。

🛠️ 可用工具

log_thought

用语义类型和依赖关系记录一个结构化的想法。

参数：

• thought （string，必填）：思想的内容
• thought_type （枚举，必填）：以下之一：

- objective：推理任务的总体目标 - hypothesis：拟议的解释或解决方案 - assumption：这条推理路线被认为是正确的 - question：需要解决的不确定点 - sub_problem：更大问题的分解 - evidence：来自工具或先验知识的数据 - action：使用工具的计划 - synthesis：从以前的想法中得出的结论 - critique：自我纠正或缺陷识别

• dependencies （string\[\]，可选）：这取决于思想的ID
• confidence （数字0-1，可选）：置信水平
• action_request （对象，可选）：要执行的工具和参数

get_thought_graph

检索当前推理图。

参数：

• format （枚举，可选）： "full" 或 "summary" （默认值： "summary")

invalidate_assumption

将一个假设标记为无效，级联到所有依赖的想法。

参数：

• thought_id （string，必填）：要无效的假设的ID
• reason （string，必填）：无效说明

📖 示例用法

以下是法学硕士如何使用DRE来分析复杂的决策：

// 1. Set the objective
const objective = await use_mcp_tool("dre", "log_thought", {
  thought: "Should we acquire Company X?",
  thought_type: "objective"
});

// 2. Form hypotheses
const hyp1 = await use_mcp_tool("dre", "log_thought", {
  thought: "Acquiring Company X will increase our market share by 20%",
  thought_type: "hypothesis",
  dependencies: [objective.thought_id],
  confidence: 0.7
});

// 3. Identify assumptions
const assumption = await use_mcp_tool("dre", "log_thought", {
  thought: "Company X's technology is compatible with our stack",
  thought_type: "assumption",
  dependencies: [hyp1.thought_id],
  confidence: 0.8
});

// 4. Break down into sub-problems
const subproblem = await use_mcp_tool("dre", "log_thought", {
  thought: "Verify technical compatibility through due diligence",
  thought_type: "sub_problem",
  dependencies: [assumption.thought_id]
});

// 5. If assumption proves false, invalidate it
await use_mcp_tool("dre", "invalidate_assumption", {
  thought_id: assumption.thought_id,
  reason: "Technical audit revealed major incompatibilities"
});
// This automatically marks the sub-problem and any dependent thoughts as stale

🏗️ 建筑

DRE将推理建模为有向无环图，其中：

• 节点 是具有语义类型的思想
• 边缘 表示思想之间的依赖关系
• 状态 跟踪（活动/过时）支持动态推理更新
• 级联失效 确保推理的一致性

🤝 用例

• 战略决策：分解复杂的业务决策
• 研究规划：结构研究问题和假设
• 问题解决：将问题分解为可管理的子问题
• 风险分析：跟踪假设及其影响
• 调试：系统的根本原因分析
• 学习：对新主题的结构化探索

🔧 发展

# Install dependencies
npm install

# Build TypeScript
npm run build

# Run in development mode
npm run dev

# Run tests
npm test

📝 贡献

我们欢迎捐款！请看 贡献.md 作为指导方针。

🐛 故障排除

常见问题

1. 在Claude Desktop中“找不到服务器”

- 确保配置中的路径是绝对的 - 配置更改后重新启动Claude Desktop

1. “找不到模块”错误

- 跑 npm install 和 npm run build - 检查你是否在使用Node.js 18+

📄 许可证

麻省理工学院-见 许可证 了解详情。

🙏 致谢

• 建立在 模型上下文协议
• 受结构化推理系统和认知架构的启发
• 感谢人为克劳德和MCP规范

______________________________________________________________________

🚦 路线图

• \[\]基于证据的假设评分
• \[\]会话持续和恢复
• \[\]图形可视化导出
• \[\]分支之间的冲突检测
• \[\]与外部推理工具集成
• \[\]多智能体推理支持

📊 统计