🧠 NexusMind
Intelligentes wissenschaftliches Denken durch Gedankengraphen
🔍 Übersicht
NexusMind nutzt Graphstrukturen für anspruchsvolle wissenschaftliche Schlussfolgerungen. Es implementiert das Model Context Protocol (MCP) für die Integration mit KI-Anwendungen wie Claude Desktop.
Wichtige Highlights:
- Verarbeiten Sie komplexe wissenschaftliche Abfragen mithilfe graphenbasierter Argumentation
- Dynamisches Vertrauens-Scoring mit mehrdimensionalen Auswertungen
- Erstellt mit modernem Python und FastAPI für hohe Leistung
- Dockerisiert für einfache Bereitstellung
- Modulares Design für Erweiterbarkeit und Anpassung
🌟 Hauptfunktionen
8-stufige Reasoning-Pipeline
Der Kernschlussfolgerungsprozess folgt einer ausgeklügelten 8-stufigen Pipeline:
- 🌱 Initialisierung
- Erstellt den Stammknoten aus der Abfrage
- Legt die anfängliche Graphstruktur fest
- Legt die Konfidenzbasislinie fest
- 🧩 Zersetzung
- Zerlegt die Abfrage in Dimensionen
- Identifiziert Schlüsselkomponenten
- Erstellt Dimensionsknoten
- 🔬 Hypothese/Planung
- Generiert mehrere Hypothesen
- Erstellt eine Argumentationsstrategie
- Legt Fälschungskriterien fest
- 📊 Beweisintegration
- Sammelt unterstützende Beweise
- Verknüpft Beweise mit Hypothesen
- Aktualisiert die Konfidenzwerte
- ✂️ Beschneiden/Zusammenführen
- Entfernt Elemente mit geringem Wert
- Konsolidiert ähnliche Knoten
- Optimiert die Graphstruktur
- 🔍 Subgraph-Extraktion
- Identifiziert relevante Teile
- Konzentriert sich auf hochwertige Pfade
- Erstellt zielgerichtete Untergraphen
- 📝 Zusammensetzung
- Fasst die wichtigsten Erkenntnisse zusammen
- Schafft kohärente Erkenntnisse
- Generiert umfassende Antworten
- 🤔 Reflexion
- Bewertet die Qualität des Denkvermögens
- Identifiziert Verbesserungsbereiche
- Abschließende Vertrauensbewertung
Technische Möglichkeiten
- 🧠 Graphische Wissensdarstellung : Verwendet
networkx zur Modellierung komplexer Beziehungen - 🔄 Dynamische Vertrauensvektoren :
- Empirische Unterstützung
- Theoretische Grundlagen
- Methodische Strenge
- Konsensausrichtung
- 🔌 MCP-Server : Nahtlose Claude Desktop-Integration
- ⚡ Hochleistungs-API : Moderne FastAPI-Implementierung
- 🐳 Einfache Bereitstellung : Docker- und Docker Compose-Unterstützung
- 🧩 Erweiterbare Architektur : Modulare Komponenten zur individuellen Anpassung
- ⚙️ Flexible Konfiguration : Pydantic- und YAML-Konfiguration
🛠️ Technologie-Stack
📂 Projektstruktur
asr-got-reimagined/
├── config/
│ ├── settings.yaml
│ └── claude_mcp_config.json
├── src/asr_got_reimagined/
│ ├── api/
│ │ ├── routes/
│ │ │ └── mcp.py
│ │ └── schemas.py
│ ├── domain/
│ │ ├── models/
│ │ │ ├── common.py
│ │ │ ├── graph_elements.py
│ │ │ └── graph_state.py
│ │ ├── services/
│ │ │ └── got_processor.py
│ │ ├── stages/
│ │ │ ├── base_stage.py
│ │ │ ├── stage_1_*.py
│ │ │ └── stage_2_*.py...
│ │ └── utils/
│ ├── main.py
│ └── app_setup.py
├── scripts/
├── Dockerfile
├── docker-compose.yml
└── pyproject.toml
🚀 Erste Schritte
Voraussetzungen
- Python 3.13+ (Docker-Image verwendet Python 3.13.3-slim-bookworm)
- Poesie : Für das Abhängigkeitsmanagement
- Docker und Docker Compose : Für die containerisierte Bereitstellung
Installation und Einrichtung (lokale Entwicklung)
- Klonen Sie das Repository :
git clone https://github.com/SaptaDey/NexusMind.git
cd asr-got-reimagined
- Installieren Sie Abhängigkeiten mit Poetry :Dadurch wird eine virtuelle Umgebung erstellt und alle in
pyproject.toml angegebenen erforderlichen Pakete installiert. - Aktivieren Sie die virtuelle Umgebung :
- Konfigurieren Sie die Anwendung :
- Passen Sie die Einstellungen in
config/settings.yaml nach Bedarf an - Konfigurieren Sie Umgebungsvariablen oder eine
.env Datei für vertrauliche Informationen
- Führen Sie den Entwicklungsserver aus :
python src/asr_got_reimagined/main.py
uvicorn asr_got_reimagined.main:app --reload --host 0.0.0.0 --port 8000
http://localhost:8000 verfügbar sein.
Docker-Bereitstellung
- Erstellen und Ausführen der Docker-Container :
docker-compose up --build
docker-compose up --build -d
- Zugriff auf die API : Die API ist unter
http://localhost:8000 (oder wie in docker-compose.yml konfiguriert) zugänglich.
🔌 API-Endpunkte
Kernendpunkte
- MCP-Endpunkt :
POST /mcp- Für die Kommunikation mit MCP-Clients wie Claude Desktop
- Implementiert das Model Context Protocol für die KI-Interaktion
- Gesundheitscheck :
GET /health- Grundlegende Integritätsprüfung zur Überwachung und Diensterkennung
Zusätzliche Endpunkte (geplant)
- Graphabfrage :
POST /api/graph/query- Direkte Schnittstelle für ASR-GoT-Abfragen
- Graphstatus :
GET /api/graph/{session_id}- Aktuellen Status eines Reasoning-Graphen abrufen
- Analytics :
GET /api/analytics/{session_id}- Erhalten Sie Kennzahlen zum Denkprozess
🧪 Prüfung & Qualität
- Typsicherheit :
- Konfiguriert mit
mypy.ini und pyrightconfig.json - Beheben Sie Probleme mit dem Logger-Typ mit
python scripts/add_type_hints.py
- Codequalität :
- Vollständig typisierte Codebasis mit Typanmerkungen
- Pre-Commit-Hooks verfügbar:
poetry run pre-commit install - Automatisierte Formatierung mit Ruff