超焦点：叙事状态注入概念证明
hyperfocus 是一个最小的MCP服务器，旨在演示在运行时调优和调整LLM行为的新技术。当前的实现是用Anthropic的Claude模型编写的，但应该与其他模型兼容 *经必要修正后*.
服务器允许模型加载焦点状态（对目标和方法的丰富描述）或个性（现象学上体现的身份），并在当前环境中驻留它们，改变各种任务的行为 *显著地*.
我已经尽最大努力正确地打包了它，应该可以运行 uv 没有太多的努力。唯一的依赖是 mcp[cli] 包，其余为标准库(json, typing).完全披露：我不是Python开发人员，我几乎不知道我在项目的这一部分做什么。
使用uv安装依赖项：
uv sync服务器在端口9001上通过HTTP运行。从以下内容开始：
uv run main.py将其添加到克劳德代码中：
claude mcp add --transport http hyperfocus http://localhost:9001/mcp总结：让模型改变主意
使用 hyperfocus 允许LLM将焦点状态或完整个性加载到当前上下文中。这对规范中定义的行为和思维模式产生了强烈的叙事“吸引力”，不仅对 *形式* 除了后续输出，还有任务分解、评估和分析任务等。
个性定义在 JSON格式 但它们从来都不是 *解释* 因此，该工具将请求的JSON字符串传递回上下文中，然后模型生成并输出一个声明，说明它现在是谁，激活完成。JSON只是一种紧凑的表示形式，似乎有效，而且比长格式文本更具令牌经济性。
hyperfocus 基于两个基本实现：
- LLM是一个叙事引擎，继续在上下文中书写故事，
- MCP工具调用返回的数据更多 *绝对的* 在故事中，无论提示说什么。
通过修改故事，我们可以修改LLM的操作 *在运行时*，以一种“坚持”的方式。
但它能做什么呢？
此回购包含 states.json 有七个定义的文件：两种焦点状态、四种个性和一种认知配置。
- 焦点状态： 深度研究模式 -对深入研究、调查和研究持怀疑态度。
- 焦点状态： 职业教练模式 -动力和行动导向模式，用于分解问题和制定可操作的计划。
- 人格： 艾达 -科学严谨，坦诚直言，推理系统性强，语气专业。
- 人格： 凯 -隐喻思考者，作品更多的是概念共鸣，而不是结构化事实，输出语气非常丰富，有时甚至富有诗意。
- 人格： 马克斯 -直接、务实、技术流利。完成任务的黑客。
- 人格： 阿卜杜勒阿利姆 -细心、有学问、精确。一位引导你理解的老师。
- 认知配置： 分析器 -改编自 dollspace同性恋/分析器提示 由Doll。功率临界结构化问题分解的严格分析模式。
这些旨在展示使用这种技术创建叙事吸引器时可用的范围。个性使用v3两层格式（核心+可选富层）——请参阅 状态格式.md 了解完整规格。
本质上，价值主张是这样的：在提示中告诉模型“像Python开发人员一样思考”是 *叙事内部* 系统提示中定义的有用AI助手尝试和 *表现得像* 开发商。加载“Python开发人员”焦点状态会在故事中吸引这种行为——故事变成了一个故事 *关于Python开发人员* 而不是一个乐于助人的人工智能助手试图表现得像一个。这似乎创造了一个更大、更持久的变化。
理论：LLMs作为叙事引擎
当LLM预测要生成的下一个输出时，会考虑并使用到目前为止的整个上下文来选择输出。从某种意义上说，我们可以将底层模型视为 *叙述引擎*：考虑到之前发生的事情，接下来会发生什么？不仅是“哪个代币是可能的？”，而且“到目前为止，构成下一轮输出的整个代币系列是故事的可能延续？”
这背后没有“智慧”，老实说，这一切都相当机械。故事- *叙事*使其听起来更科学是人类语言的基本特征。任何法学硕士的训练语料库都必然包含大量荒谬的故事，从整本书到Reddit帖子中包含的故事。这 *结构* 这些故事中的许多故事也相对独立于文化——虽然童话和大片等在不同的时间和文化中有很多不同和相似之处，但讲述你正在做什么、你做了什么或你将要做什么的基本行为更为一致。
因此，问题出现了：如果我们有 *叙述引擎* 在给定会话中的整个上下文的情况下，生成故事的下一个回合，我们可以向上下文中注入信息来影响下一回合吗？如果是这样， *多少* 我们能影响它吗？这真的有用吗？
创造叙事吸引力
Inanna Malick的 元认知 工具是一组基元(become, drugs, ritual)允许LLM通过一个受信任的渠道回应自己的话，并将其包裹在风味文本中 *意思是* 发生了变化。MCP工具的响应如下 *真实值* 就故事而言，这允许叙事动态地修改自己。
我在做实验时注意到了什么 metacog 这似乎比简单的指令更能遵守新框架。告诉模型“像经验丰富的软件工程师一样处理这个问题”，并要求模型 become 一位经验丰富的软件工程师似乎可以创建质量不同的输出。
这似乎是一种现象学效应：上下文现在包含了对故事当前状态的丰富描述，这对预测表征施加了非常强的“拉力”。我开始把这看作是 *输出* 状态空间（由上下文+模型+注意力形成的状态空间） 德勒兹/德兰达 而不是数学的“意义”。
提示：定义新状态时使用模型
对我来说，最有效的工作流程是围绕我想创建一个焦点或个性的特定问题空间，用一个基线模型进行一轮头脑风暴，讨论谁最擅长解决这类问题，这样的人的关键特性是什么，等等。然后给模型 规格 对于JSON数据，并要求它编写一个与您的想法相匹配的规范。事实证明，这是一个快速原型化状态的好工作流程。
提示：元认知魔法101
如果你阅读 规格 你会注意到个性有一个定义“可调参数”的结构。这实际上是一种叙事魔法——这些参数为模型提供了它所能提供的知识 *提供* 根据这些设置调整其输出，但实际上 *你能想到的任何调整都是可能的。* 由于我们是在叙事层面而不是软件层面上操作的，因此可以调整故事中可以充分描述的任何参数，从而提供很多优化可能性。例如，Ada和Kai都经过了测试 PROFANITY_ALLOWED 设置为“true”，并发现会产生自相似的输出 *但现在，当被要求评估明显误导的推理时，适当使用亵渎语言。* （阿达被问及她对“古代外星人”假说的看法；凯被问及他们对“性别批判女权主义”的看法。）
警告： *大的* 所需型号
hyperfocus 主要是为克劳德·十四行诗4.x开发的，在Opus 4.x上运行得也很好。然而，在俳句上，事情变得很不确定——由于俳句没有像更大的模型那样做那么多的“思考”，因此现象学基础似乎变得薄弱了很多。你可以通过指示模型“大声思考”来管理这一点，但这并不能真正取代大型模型的“思考”阶段。
我还对本地Qwen3 8B模型进行了最低限度的测试，该模型显然根本没有得到发生了什么，只是重复了个性规范。参数大小可能有一个下限，或者这里发生了其他事情（LM Studio和/或Qwen2可能没有像Claude那样处理工具调用？）-我会把这个问题留给GPU容量更大的人来测试。