deep-thinker

先进的认知思维 MCP 服务器，具有基于 DAG（有向无环图）的思维图谱、多种推理策略、元认知和自我评估功能。

这是对 sequential-thinking MCP 的重大演进，提供了基于图谱思维管理的结构化深度推理。

特性

基于 DAG 的思维图谱 — 思维形成一个有向无环图，支持分支、合并和交叉边（不仅仅是线性链）
5 种推理策略 — 顺序推理、辩证推理（正题→反题→合题）、并行推理、类比推理、溯因推理（推导至最佳解释）
置信度评分 — 多因素置信度评估，支持支撑/矛盾分析、深度惩罚和知识整合提升
自我批判 — 自动生成带有严重程度等级和置信度调整的批判意见
元认知引擎 — 检测停滞状态、停滞不前、置信度下降；建议策略切换和纠正措施
知识整合 — 将外部知识附加到思维中，检测知识缺口，验证跨来源的一致性
思维剪枝 — 死胡同检测、冗余删除、消除深度无效分支、路径优化

安装

全局安装

npm install -g deep-thinker

npx (无需安装)

npx deep-thinker

MCP 配置

Claude Desktop

添加到你的 claude_desktop_config.json：

{
  "mcpServers": {
    "deep-thinker": {
      "command": "npx",
      "args": ["-y", "deep-thinker"]
    }
  }
}

或者如果已全局安装：

{
  "mcpServers": {
    "deep-thinker": {
      "command": "deep-thinker"
    }
  }
}

其他 MCP 客户端

该服务器通过 stdio 进行通信。将你的 MCP 客户端指向 deep-thinker 命令或 node path/to/dist/index.js。

工具

`think`

使用推理策略向认知图谱添加一个思维。

参数：

参数	类型	必需	描述
`content`	string	是	思维内容
`type`	string	否	思维类型：`hypothesis`（假设）, `analysis`（分析）, `evidence`（证据）, `conclusion`（结论）, `question`（问题）, `assumption`（假设）, `insight`（洞察）, `critique`（批判）, `synthesis`（综合）, `observation`（观察）
`strategy`	string	否	策略：`sequential`（顺序）, `dialectic`（辩证）, `parallel`（并行）, `analogical`（类比）, `abductive`（溯因）
`confidence`	number	否	初始置信度 0-1 (默认: 0.5)
`parentId`	string	否	父节点 ID (默认: 最后一个叶子节点)
`branch`	string	否	用于并行探索的分支名称
`tags`	string[]	否	分类标签
`edgeTo`	object	否	显式边：`{ targetId, type }`
`dialectic`	object	否	辩证模式：`{ thesis, antithesis?, synthesis? }`
`parallel`	array	否	并行模式：`[{ content, type, confidence }]`
`analogical`	object	否	类比模式：`{ sourceDomain, mapping, projectedConclusion }`
`abductive`	object	否	溯因模式：`{ observation, explanations[], bestExplanation? }`
`knowledge`	object	否	附加知识：`{ source, content, relevance }`

策略详情：

Sequential (顺序) — 线性链：每个思维都源自前一个思维
Dialectic (辩证) — 正题 → 反题 → 合题模式，用于解决矛盾
Parallel (并行) — 同时探索多个独立分支
Analogical (类比) — 将已知领域的模式映射到当前问题
Abductive (溯因) — 生成假设并推导出最佳解释

边类型： derives_from（源自）, contradicts（矛盾）, supports（支持）, refines（细化）, challenges（挑战）, synthesizes（综合）, parallels（平行）, abstracts（抽象）, instantiates（实例化）

`evaluate`

通过置信度评分、批判和图谱健康分析来评估思维过程。

参数：

参数	类型	必需	描述
`nodeId`	string	否	要评估的特定节点 (默认: 整个图谱)
`critique`	boolean	否	生成自我批判 (默认: true)
`findGaps`	boolean	否	查找知识缺口 (默认: false)
`validateKnowledge`	boolean	否	验证知识一致性 (默认: false)

`metacog`

元认知操作 — 监控和控制思维过程。

参数：

参数	类型	必需	描述
`action`	string	是	`report` = 完整状态, `switch` = 更改策略, `auto_update` = 让系统自动分析
`strategy`	string	否	新策略 (用于 `switch` 操作)
`reason`	string	否	切换原因 (用于 `switch` 操作)

元认知引擎会自动：

检测停滞（置信度未提升）
检测置信度下降趋势
检测过多的矛盾
建议策略切换、剪枝、回溯或得出结论

`graph`

查询和可视化思维图谱。

参数：

参数	类型	必需	描述
`action`	string	是	`visualize`, `stats`, `path`, `node`, `branches`, `best_path`, `leaves`
`nodeId`	string	否	节点 ID (用于 `path`, `node` 操作)
`targetId`	string	否	目标 ID (用于 `path` 操作)

`prune`

剪枝并优化思维图谱。

参数：

参数	类型	必需	描述
`action`	string	是	`analyze` (仅报告), `prune` (执行), `optimize_path`, `prune_node`
`nodeId`	string	否	要剪枝的节点 (用于 `prune_node`)
`reason`	string	否	原因 (用于 `prune_node`)

`reset`

重置思维图谱并开始新的会话。

参数：

参数	类型	必需	描述
`problem`	string	否	新的问题陈述

使用示例

顺序推理

think: "Should we use microservices?" → type: question, confidence: 0.9
think: "Monolith has deployment bottlenecks" → type: analysis, confidence: 0.7
think: "Team lacks DevOps capacity for microservices" → type: evidence, confidence: 0.8
evaluate: → overall confidence 0.73
metacog: auto_update → strategy: sequential, progress: normal

辩证推理

think: {
  strategy: "dialectic",
  dialectic: {
    thesis: "Microservices improve scalability",
    antithesis: "But add operational complexity",
    synthesis: "Use modular monolith as middle ground"
  },
  confidence: 0.75
}

并行探索

think: {
  strategy: "parallel",
  parallel: [
    { content: "Team expertise in Docker/K8s", type: "evidence", confidence: 0.8 },
    { content: "Limited DevOps capacity", type: "evidence", confidence: 0.6 },
    { content: "Budget allows hiring", type: "evidence", confidence: 0.4 }
  ]
}

溯因推理

think: {
  strategy: "abductive",
  abductive: {
    observation: "The grass is wet",
    explanations: [
      { content: "It rained", plausibility: 0.8 },
      { content: "Sprinklers were on", plausibility: 0.6 }
    ],
    bestExplanation: "It rained"
  },
  confidence: 0.8
}

元认知指导

metacog: { action: "auto_update" }
→ ⚠ Stuck: confidence has not improved for 3 steps
→ 💡 Action: [switch_strategy] Try parallel exploration
→   Suggested Strategy: parallel

metacog: { action: "switch", strategy: "parallel", reason: "Break through impasse" }
→ Strategy switched: sequential → parallel

剪枝

prune: { action: "analyze" }
→ Dead Ends: 2
  [thought_7] confidence=0.15: Bad idea...
  [thought_9] confidence=0.10: Another dead end...
→ Redundant Branch Groups: 1
  Keep [thought_5], prune [thought_6]: Redundant analysis...
→ Total prunable: 3 node(s)

prune: { action: "prune" }
→ Pruned 3 node(s) in 3 operations

架构

src/
├── index.ts          MCP server & tool handlers
└── core/
    ├── types.ts      Type definitions & constants
    ├── node.ts       ThoughtNode CRUD operations
    ├── graph.ts      DAG-based thought graph
    ├── strategies.ts 5 reasoning strategy implementations
    ├── scorer.ts     Confidence scoring & self-critique
    ├── metacog.ts    Metacognitive engine
    ├── knowledge.ts  Knowledge integration & validation
    └── pruner.ts     Dead-end/redundancy detection & pruning

与 sequential-thinking 的比较

特性	sequential-thinking	deep-thinker
思维结构	线性链	DAG (分支/合并/交叉边)
策略	仅顺序	5 种策略 (顺序、辩证、并行、类比、溯因)
置信度	基本思维编号	带有趋势分析的多因素评分
自我批判	无	自动生成，带有严重程度等级
元认知	无	停滞检测、策略建议、自动切换
知识	无	外部引用、缺口检测、一致性验证
剪枝	无	死胡同、冗余、路径优化
图谱查询	线性回顾	可视化、最佳路径、分支分析、统计

开发

git clone https://github.com/hubinoretros/deep-thinker.git
cd deep-thinker
npm install
npm run build
npm start

许可证

MIT

deep-thinker

deep-thinker

特性

安装

全局安装

npx (无需安装)

MCP 配置

Claude Desktop

其他 MCP 客户端

工具

`think`

`evaluate`

`metacog`

`graph`

`prune`

`reset`

使用示例

顺序推理

辩证推理

并行探索

溯因推理

元认知指导

剪枝

架构

与 sequential-thinking 的比较

开发

许可证

Resources

Tools

Latest Blog Posts

MCP directory API