# Boundary MCP 架构设计
## 项目结构
```
src/
├── index.ts # MCP 服务器入口
├── types/ # 类型定义
│ └── index.ts # 统一导出所有类型
├── analyzers/ # 核心分析模块
│ ├── index.ts # 分析器统一导出
│ ├── reframe.ts # 问题去情绪化重述
│ ├── variables.ts # 关键变量与约束识别
│ ├── strategies.ts # 策略空间生成
│ ├── risk.ts # 风险与回报分布分析
│ └── bias.ts # 认知偏差与幻觉提示
├── prompts/ # 提示词模板
│ └── index.ts # 各模块提示词
└── tools/ # MCP 工具定义
└── analyze-decision.ts # 主分析工具
```
---
## 模块职责
### 1. 类型系统 (`types/`)
定义整个系统的数据结构：
```typescript
// 分析输入
interface DecisionInput {
problemText: string; // 用户原始问题描述
}
// 问题重述结果
interface ReframedProblem {
original: string; // 原始问题
reframed: string; // 去情绪化后的问题
emotionalElements: string[]; // 识别出的情绪化元素
}
// 变量与约束
interface VariablesAndConstraints {
goals: string[]; // 目标（用户真正关心的指标）
keyVariables: string[]; // 关键变量（可变化因素）
hardConstraints: string[]; // 硬约束（不可忽视的现实限制）
uncertainties: string[]; // 不确定性来源
}
// 单个策略
interface Strategy {
id: string; // 策略标识 (A, B, C, D)
name: string; // 策略名称
type: string; // 策略类型（激进/观望/对冲/止损）
preconditions: string[]; // 前提条件
executionCost: string; // 执行成本
triggerPoints: string[]; // 触发点
worstCase: string; // 最坏情况
}
// 策略空间
interface StrategySpace {
strategies: Strategy[];
}
// 风险回报分布
interface OutcomeDistribution {
probability: number; // 概率 (0-100)
description: string; // 结果描述
}
interface RiskRewardAnalysis {
strategyId: string;
distributions: OutcomeDistribution[];
}
// 认知偏差
interface CognitiveBias {
type: string; // 偏差类型
description: string; // 具体描述
mitigation: string; // 缓解建议
}
interface BiasWarnings {
biases: CognitiveBias[];
}
// 完整分析结果
interface DecisionAnalysis {
reframedProblem: ReframedProblem;
variablesAndConstraints: VariablesAndConstraints;
strategySpace: StrategySpace;
riskRewardAnalysis: RiskRewardAnalysis[];
biasWarnings: BiasWarnings;
}
```
---
### 2. 分析模块 (`analyzers/`)
#### 2.1 `reframe.ts` - 问题去情绪化重述
**职责**：将用户夹杂情绪、立场、焦虑的问题重述为客观、结构化的问题
**输入**：用户原始问题文本
**输出**：`ReframedProblem`
**处理逻辑**：
1. 识别情绪化词汇（焦虑、恐惧、愤怒等）
2. 识别预设立场和结论
3. 提取核心决策问题
4. 重新表述为中性语言
---
#### 2.2 `variables.ts` - 关键变量与约束识别
**职责**：从问题中提取决策相关的变量、约束和不确定性
**输入**：重述后的问题 + 原始上下文
**输出**：`VariablesAndConstraints`
**处理逻辑**：
1. 识别用户真正关心的目标（长期 vs 短期）
2. 提取可变因素（年龄、技能、资金等）
3. 识别硬性约束（法律、时间、资源）
4. 标记不确定性来源（政策、市场、个人）
---
#### 2.3 `strategies.ts` - 策略空间生成
**职责**：生成多个可选策略路径，避免"只有一个选项"的假问题
**输入**：`ReframedProblem` + `VariablesAndConstraints`
**输出**：`StrategySpace`
**处理逻辑**：
1. 生成至少 4 种不同风格的策略
2. 每种策略包含完整的执行要素
3. 策略类型覆盖：激进、保守、对冲、止损
---
#### 2.4 `risk.ts` - 风险与回报分布分析
**职责**：为每个策略生成概率分布，而非确定性预测
**输入**：`StrategySpace` + `VariablesAndConstraints`
**输出**：`RiskRewardAnalysis[]`
**处理逻辑**：
1. 不输出"成功/失败"二元结论
2. 生成概率区间和可能结果
3. 考虑不确定性因素的影响
---
#### 2.5 `bias.ts` - 认知偏差与幻觉提示
**职责**：主动识别用户可能存在的认知偏差
**输入**：原始问题 + 分析上下文
**输出**：`BiasWarnings`
**处理逻辑**：
1. 检测幸存者偏差（个案推全局）
2. 检测叙事驱动（故事代替数据）
3. 检测群体压力（跟风决策）
4. 检测时间偏差（过度关注短期）
---
### 3. 提示词模板 (`prompts/`)
为每个分析模块提供结构化的 Prompt 模板：
```typescript
export const PROMPTS = {
reframe: `...`, // 问题重述提示词
variables: `...`, // 变量识别提示词
strategies: `...`, // 策略生成提示词
risk: `...`, // 风险分析提示词
bias: `...`, // 偏差检测提示词
};
```
---
### 4. MCP 工具 (`tools/`)
#### `analyze_decision`
**描述**：对现实问题进行结构化策略分析
**参数**：
- `problem_text` (string, required): 用户描述的决策问题
**返回**：完整的 `DecisionAnalysis` 结构
---
## 设计原则实现
| PRD 原则 | 技术实现 |
|----------|----------|
| 不做决定，只暴露结构 | 输出多策略而非单一建议 |
| 不给答案，只给边界 | 输出约束和变量，不输出结论 |
| 不预测未来，只给分布 | 使用概率区间而非确定性预测 |
| 不迎合情绪，只校正幻觉 | 主动检测并提示认知偏差 |
---
## 数据流
```
用户输入
│
▼
┌─────────────────┐
│ 问题去情绪化 │ ──► ReframedProblem
└─────────────────┘
│
▼
┌─────────────────┐
│ 变量约束识别 │ ──► VariablesAndConstraints
└─────────────────┘
│
▼
┌─────────────────┐
│ 策略空间生成 │ ──► StrategySpace
└─────────────────┘
│
▼
┌─────────────────┐
│ 风险分布分析 │ ──► RiskRewardAnalysis[]
└─────────────────┘
│
▼
┌─────────────────┐
│ 认知偏差检测 │ ──► BiasWarnings
└─────────────────┘
│
▼
完整分析结果 (DecisionAnalysis)
```
