根据新想法搜索/整理相关技术清单（供缓存未命中时使用）。

Args: idea: 用户的新想法，例如“我想做一个能识别猫的树莓派摄像头”。 domain: 可选的领域关键词，例如 vision / audio / llm / iot / web / robot / data。 max_options: 最多返回多少个候选技术。

Returns: technologies: 技术名称、一句话说明、分类。

核心工具：当用户的新想法未命中缓存时，搜索相关技术并生成长多选反问。

工作流建议：

1. 先在业务缓存/知识库里检索 idea；

2. 未命中时调用本工具；

3. 如果已做过外部搜索，把结果以 search_results 传入；

4. 工具的返回值包含 question 和 options，可供 AI 直接展示成多选提问。

Args: idea: 用户的新想法。 domain: 可选的领域提示，帮助提高内置知识匹配准确率。 search_results: 外部搜索得到的技术清单，如 ["YOLO: 目标检测", "MediaPipe: 手势识别"]。 max_options: 最多给用户几个选项（长多选建议 8-15 个）。

Returns: 一个结构化的反问（question + options），并标记 cache_hit。

用户确认了想了解/想用的技术后，追问这些技术的具体设置、版本和环境。

这是 probe_idea_question 的第二步：先让用户多选“我听过/用过哪些技术”， 再对选中的每一项追问具体设定，例如视觉会追问 YOLO 版本、MediaPipe API、 树莓派型号/摄像头等。

Args: idea: 用户的新想法，例如“我想做一个能识别猫的树莓派摄像头”。 selected_technologies: 用户已确认的技术名称列表，如 ["YOLO", "MediaPipe", "树莓派"]。 selected_ids: 可选，用户直接回复编号时使用，如 "1,3,5"；会自动尝试从刚才的提问缓存里转成技术名。

Returns: 每个选中技术的结构化追问列表，以及一段可让 AI 直接朗读/展示的自然语言 question。

给一个想法列出“技术选项 + 拓展视野固定位”。

除了具体技术选项，还会固定返回：

• 直接给方案

• 去 GitHub 找思路

• 拆解上位设计

• 反向梳理

• 风险评估

这样用户/人可以选择从哪个角度推进，而不是只能选“懂不懂某个技术”。

去 GitHub 找思路：接收上游 GitHub 搜索结果，提炼可借鉴的模式。

本 MCP 不直接联网，所以：

• 如果上游已经搜到 GitHub 结果，请通过 github_results 传入；

• 如果没有，工具会给出搜索 query、查看维度和下一步建议。

拆解上位设计：从具体技术/方案向上抽象，再分析它怎么实现。

例如：

• subject="K8s RBAC" → 上位设计是“权限控制/访问控制”

• subject="MCP" → 上位设计是“模型上下文协议 / Agent 工具调用架构”

• subject="树莓派摄像头识别" → 上位设计是“边缘 AI 系统”

反向梳理：从具体方案反推它解决什么问题、为什么存在、我们需要吗。

例如：

• subject="K8s RBAC" → 反推：多用户/多资源环境下需要访问控制

• subject="MCP" → 反推：Agent 需要标准化发现和调用工具

• subject="RAG" → 反推：大模型需要利用私有/最新知识

对想法/设计做快速风险评估，供人做顶层决策。

汇总成一份高层计划，供人审阅和拍板。

记录一个新想法，以及人的顶层目标和约束。

这是顶层设计的入口：AI 后续可以根据它继续列选项、拆上位、反推风险。

保存一条设计洞察/学习卡片，方便后续反查和复用。

insight_type 建议值：

• upper：上位设计

• reverse：反向梳理

• github：GitHub 思路

• risk：风险

• decision：人的决策

列出已保存的设计洞察/学习卡片，支持按主题或类型过滤。

在设计树/双向关系图里添加一个节点。

kind 建议：

• concept：概念

• tech：具体技术

• design：设计模式

• requirement：需求

• risk：风险

在设计树里添加一条双向可查的关系。

relation 建议：

• implementation_of：source 是 target 的一种实现

• solves：source 解决了 target 对应的原始问题

• related：相关/相邻概念

• trigger：看到 source 时，值得反推到 target

从设计树/双向关系图中取出某个主题的关联视图。

可以看到：

• 上位设计：当前主题往上的抽象

• 具体实现：当前主题往下的落地方式

• 逆向问题：当前主题解决什么问题

• 相关概念：旁边还有什么值得看

返回整张设计树/双向关系图。

创建一个 DeepSeek Harness 顶层设计工作流。

默认编排：

1. capture_idea

2. list_design_options

3. analyze_upper_design

4. reverse_reasoning

5. assess_risks

6. finalize_plan

推进 DeepSeek Harness 工作流。

• 不传 completed_step：把当前步骤标记为完成，然后跳到下一个 pending 步骤

• 传 completed_step：指定某个步骤已完成，然后自动寻找下一个 pending

列出当前进程内所有 DeepSeek Harness 工作流。