Deep Thinker

deep-thinker

高级认知思考 MCP 服务，具备基于 DAG 的思维图、10 种推理策略（包括自动选择）、17 个工具、节点别名、会话持久化、结构化响应和智能错误处理。

相比顺序思考 MCP，这是一次重大升级，通过基于图的思维管理、架构验证和智能策略选择，提供结构化的深度推理。

快速开始

npx deep-thinker

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

示例

示例	策略	使用场景
架构决策	辩证 + 并行	单体与微服务之争
调试事故	溯因	生产环境 500 错误
功能优先级排序	并行 + 辩证	Q3 路线图规划
科学假设	类比 + 溯因	用于 CRISPR 的 LNP 递送
打破死胡同	元认知切换	无服务器成本分析

功能

• 基于 DAG 的思维图 — 思维构成有向无环图，支持分支、合并和跨边（不只是线性链）
• 10 种推理策略 — 顺序、辩证（论题→反题→合题）、并行、类比、溯因、第一性原理（分解至基本原理）、反事实（假设情景及其连锁影响）、系统思维（反馈回路和杠杆点）、MCTS（蒙特卡洛优化）、自动（根据内容和图状态智能选择）
• 节点别名 — 对任何 nodeId 参数使用 "last"、"best"、"root"，无需使用难以理解的节点 ID
• 结构化响应 — 所有工具响应均返回格式一致的 MCPResponse JSON，包含 status、summary、confidence、nextSuggested
• 会话持久化 — 自动将思维图保存到 ~/.deep-thinker/sessions/；通过 reset({ resume: "name" }) 在 MCP 重启后恢复会话
• 友好的错误消息 — 将 Zod 验证错误转换为易于理解的提示（例如，"confidence 0 ile 1 arasında..."）
• 置信度评分 — 多因素置信度评估，包含支持/矛盾分析、深度惩罚和知识整合加成
• 自我批判 — 自动生成带有严重程度等级的批判，并调整置信度
• 元认知引擎 — 检测卡住、停滞、置信度下降等状态；建议切换策略并采取纠正措施
• 知识整合 — 为思维附加外部知识、检测知识缺口、验证不同来源之间的一致性
• 思维修剪 — 检测死胡同、移除冗余、清理无成效的深层分支、优化路径
• help 工具 — 按类别（核心/高级/工作流）查看全部 17 个工具，并提供快速入门示例
• conclude 工具 — 全面的图摘要，包含 primaryFinding、actionItems、graphHealth 和 nextSuggested
• 高智商推理增强功能 — 8 种高级工具：可视化、唱反调、跨学科综合、时间投射、伦理评估、情商分析、决策说明、社会影响分析
• 情商 — 分析情感基调、同理心、说服效果和利益相关方的情绪
• 伦理框架 — 从义务论、结果主义、美德伦理和权利视角进行评估
• 跨领域综合 — 综合生物学、经济学、物理学、心理学、计算机科学和艺术领域的见解
• 时间推理 — 将思维投射到未来/过去情境中，涵盖乐观、悲观、现实和颠覆性情境
• 社会影响建模 — 分析利益相关方的情绪、群体凝聚力、说服效果和伦理一致性
• 不确定性量化 — 通过置信区间、概率分布和敏感性分析，支持稳健决策
• 多语言支持 — 支持以英语、土耳其语、德语、法语、西班牙语、日语、中文和俄语进行思考
• 元认知层级 — 在 5 个元认知层级上进行递归推理
• PromptOptimizer（节点零） — 入口点，可将模糊提示词转换为优化后的超级提示词，并自动路由策略

安装

全局安装

npm install -g deep-thinker

npx（无需安装）

npx deep-thinker

MCP 配置

Claude Desktop

将以下内容添加到你的 claude_desktop_config.json：

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

如果已全局安装：

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

其他 MCP 客户端

该服务通过 stdio 通信。将 MCP 客户端指向 deep-thinker 命令或 node path/to/dist/index.js。

响应格式

所有工具响应均遵循 MCPResponse 结构：

{
  "status": "ok | error | warning",
  "nodeId": "thought_3",
  "summary": "sequential stratejisiyle \"Should we use microservices?...\" eklendi",
  "confidence": 0.75,
  "data": { "...": "tool-specific data" },
  "nextSuggested": {
    "tool": "evaluate",
    "params": { "critique": true },
    "reason": "Düşük confidence — değerlendirme önerilir"
  },
  "warnings": ["Stuck detected: ..."]
}

nextSuggested 字段始终会推荐下一步的合理操作，让你无需猜测即可串联调用工具。

节点别名

无需查找晦涩的节点 ID，即可将别名用于任何 nodeId、parentId 或 targetId 参数：

别名	解析为
"last"	最近添加的节点（按插入顺序）
"best"	置信度得分最高的节点
"root"	第一个没有入边的节点

evaluate({ nodeId: "last" })                              → evaluates the latest thought
simulate_devils_advocate({ nodeId: "best", depth: 2 })    → challenges the strongest thought
graph({ action: "path", nodeId: "root", targetId: "best" }) → traces from root to best conclusion

会话持久化

每次调用 think 后，思维图都会自动保存。会话存储在 ~/.deep-thinker/sessions/ 中。

// Save current session explicitly
reset({ save: true, saveName: "my-analysis" })

// List saved sessions
reset({ listSessions: true })

// Resume a saved session after MCP restart
reset({ resume: "my-analysis" })

工具

核心工具

think

使用推理策略向认知图谱添加一条想法。

参数：

参数	类型	必填	描述
content	string	是	想法内容
type	string	否	想法类型：hypothesis、analysis、evidence、conclusion、question、assumption、insight、critique、synthesis、observation
strategy	string	否	策略：sequential、dialectic、parallel、analogical、abductive、first_principles、counterfactual、systems_thinking、mcts、auto
confidence	number	否	初始置信度，范围为 0-1（默认值：0.5）
parentId	string	否	父节点 ID 或别名（默认值：最后一个叶节点）
branch	string	否	并行探索的分支名称
tags	string[]	否	用于分类的标签
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? }
firstPrinciples	object	否	第一性原理模式：{ problem, assumptions?, depth?, domain? }
counterfactual	object	否	反事实模式：{ currentState?, variablesToChange, rippleDepth? }
systemsThinking	object	否	系统思维模式：{ systemDescription?, components, focusArea? }
mcts	object	否	MCTS 模式：{ problem?, possibleActions, numSimulations? }
knowledge	object	否	附加知识：{ source, content, relevance }

策略详情：

策略	描述	最适用场景
Sequential	线性链：每条想法都从上一条推导而来	逐步推理
Dialectic	通过正题 → 反题 → 合题模式解决矛盾	解决冲突
Parallel	同时探索多个相互独立的分支	集思广益
Analogical	将已知领域中的模式映射到当前问题	跨领域洞见
Abductive	生成假设并推断最佳解释	根因分析
First Principles	将问题分解为基本事实，并质疑假设	打破常规
Counterfactual	探索具有多阶段连锁影响的“假如”情景	风险／影响分析
Systems Thinking	反馈回路、杠杆点和涌现属性	复杂系统
MCTS	使用蒙特卡洛树搜索选择最优决策	优化问题
Auto	根据内容信号和图谱上下文自动选择策略	无需手动干预的推理

auto 策略的工作原理：

auto 策略会分析内容中的关键词和当前图谱状态：

• 内容包含“why”／“neden”／“how”／“nasıl” → abductive
• 内容包含“if”／“eğer”／“what if”／“varsayalım” → counterfactual
• 内容包含“vs”／“veya”／“compare”／“karşılaştır” → dialectic
• 内容包含“system”／“sistem”／“loop”／“döngü” → systems_thinking
• 内容包含“fundamental”／“temel”／“assumption”／“varsayım” → first_principles
• 平均置信度较低且节点较多 → parallel（突破僵局）
• 第一条想法 → sequential
• 连续添加 4 条或更多想法后 → dialectic（引入对立观点）
• 默认 → sequential

边类型： derives_from、contradicts、supports、refines、challenges、synthesizes、parallels、abstracts、instantiates

evaluate

通过置信度评分、批判和图健康状况分析来评估思考过程。

参数：

参数	类型	必填	描述
nodeId	string	否	要评估的特定节点（接受别名：last、best、root）
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——监控和控制思考过程。

参数：

参数	类型	必填	描述
action	string	是	report = 完整状态，switch = 更改策略，auto_update = 让系统分析
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（置信度没有提升）
• 检测置信度下降趋势
• 检测过多矛盾
• 建议切换策略、修剪、回溯或结束

graph

查询和可视化思维图。

参数：

参数	类型	必填	描述
action	string	是	visualize、stats、path、node、branches、best_path、leaves
nodeId	string	否	节点 ID 或别名（用于 path、node 操作）
targetId	string	否	目标 ID 或别名（用于 path 操作）

prune

修剪和优化思维图。

参数：

参数	类型	必填	描述
action	string	是	analyze（仅报告）、prune（执行）、optimize_path、prune_node
nodeId	string	否	要修剪的节点——接受别名（用于 prune_node）
reason	string	否	原因（用于 prune_node）

reset

重置思维图并开始新会话、保存会话或恢复已保存的会话。

参数：

参数	类型	必填	描述
problem	string	否	新的问题陈述
save	boolean	否	重置前保存当前会话（默认：false）
saveName	string	否	已保存会话的名称（如果 save: true，建议填写）
resume	string	否	按名称恢复之前保存的会话
listSessions	boolean	否	列出所有已保存的会话

conclude

分析整个思维图，并生成包含行动项和图健康状况报告的综合总结与结论。

参数：

参数	类型	必填	描述
detailLevel	string	否	brief、detailed、technical（默认：detailed）
includeCounterfactuals	boolean	否	包含反事实分析（默认：false）
format	string	否	prose、structured、executive（默认：structured）

响应包含：

• primaryFinding — 最主要的结论及其置信度
• supportingEvidence — 其他高置信度节点
• strategiesUsed — 采用了哪些策略
• keyInsights — 最佳路径上的洞见类节点
• actionItems — 根据结论得出的优先行动项
• graphHealth — 节点数量、死胡同、平均置信度、建议
• nextSuggested — 合乎逻辑的下一步（状态不佳时修剪，完成后保存）

help

发现深度思考工具并了解使用工作流。

参数：

参数	类型	必填	说明
category	string	否	all、core、advanced、workflow（默认值：all）

类别：

• core — 7 个日常使用的工具（think、evaluate、metacog、graph、prune、reset、conclude）
• advanced — 8 个深度分析工具（可视化、唱反调、跨学科、时间推演、伦理、情感、解释、社会影响、提示词优化器）
• workflow — 3 个推荐工作流：
  • 快速决策 — reset → 并行 think → evaluate → conclude
  • 深度分析 — reset → first_principles → counterfactual → devil's advocate → evaluate → metacog → prune → conclude
  • 打破僵局 — metacog 报告 → 切换策略 → cross-disciplinary → abductive

增强型工具（高智商推理）

visualize_thought_graph

将思维图生成为 SVG 或 ASCII 可视化表示。

参数：

参数	类型	必填	说明
format	string	否	svg、ascii 或 tree（默认值：ascii）
highlightPath	string	否	两个节点 ID 之间的路径（格式：fromId-toId）
showConfidence	boolean	否	显示置信度分数（默认值：true）

simulate_devils_advocate

为给定的想法生成反驳论点和对立观点。

参数：

参数	类型	必填	说明
nodeId	string	是	目标节点 ID 或别名（last、best、root）
depth	number	否	反驳论点的层级（1-5，默认值：2）
intensity	string	否	mild、moderate 或 aggressive（默认值：moderate）

cross_disciplinary_synthesis

结合多个领域的见解，生成新颖的观点。

参数：

参数	类型	必填	说明
sourceDomains	string[]	是	用于类比的领域（例如，["biology", "economics", "art"]）
targetProblem	string	是	要应用跨领域见解的问题
maxAnalogies	number	否	要生成的最多类比数量（1-10，默认值：3）

temporal_projection

将想法投射到未来或过去的情境中。

参数：

参数	类型	必填	说明
nodeId	string	是	根节点 ID 或别名
years	number	是	向前（正数）或向后（负数）的年数
scenario	string	否	optimistic、pessimistic、realistic、disruptive（默认值：realistic）

ethical_framework_evaluation

通过多种伦理框架评估想法或决策。

参数：

参数	类型	必填	说明
nodeId	string	是	节点 ID 或别名
frameworks	string[]	否	采用哪些框架：deontological、consequentialist、virtue、rights_based（默认值：全部）

emotional_intelligence_analysis

分析情感基调、利益相关者的情绪和社会动态。

参数：

参数	类型	必填	说明
text	string	是	要分析其情感内容的文本
context	string	否	上下文（例如，team meeting、customer feedback、crisis situation）
perspectiveTaking	number	否	换位思考程度，范围为 0-1（默认值：0.7）

explain_decision

生成易于人理解的决策路径解释。

参数：

参数	类型	必填	描述
nodeId	string	是	决策／结论节点 ID 或别名
detailLevel	string	否	simple、detailed、technical（默认值：detailed）
includeCounterfactuals	boolean	否	显示假设情景（默认值：true）

social_impact_analysis

分析社会影响、利益相关者情绪、群体凝聚力和说服效果。

参数：

参数	类型	必填	描述
nodeId	string	是	节点 ID 或别名
stakeholders	string[]	否	利益相关者群体（默认值：["customers", "employees", "investors", "community"]）

optimize_prompt

PromptOptimizer（Node Zero）——将模糊的提示词转化为经过优化的超级提示词，并进行策略路由。

参数：

参数	类型	必填	描述
originalPrompt	string	是	用户原始的、可能模糊的提示词
userContext	object	否	{ expertiseLevel, domainKnowledge[], preferences }
conversationHistory	array	否	用于提供上下文的历史消息（最多 20 条）
optimizationLevel	string	否	light、standard、aggressive（默认值：standard）
targetModel	string	否	claude、gpt4、gpt35、local、generic（默认值：generic）
autoRoute	boolean	否	自动路由至推荐策略（默认值：false）

使用示例

自动策略选择（新增！）

think: { content: "Eğer mikroservis kullansaydık ne olurdu?" }
→ Auto-selects strategy: counterfactual (detected "Eğer" = "if" signal)

think: { content: "Why is the server crashing?" }
→ Auto-selects strategy: abductive (detected "why" signal)

think: { content: "Monolith vs microservices?" }
→ Auto-selects strategy: dialectic (detected "vs" comparison signal)

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: { nodeId: "last", critique: true }
→ { status: "ok", confidence: 0.73, nextSuggested: { tool: "metacog" } }

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
}

使用节点别名

evaluate({ nodeId: "last" })                              → evaluate latest thought
simulate_devils_advocate({ nodeId: "best", depth: 3 })    → challenge strongest thought
graph({ action: "path", nodeId: "root", targetId: "best" }) → trace reasoning path
think({ parentId: "root", content: "Alternative..." })    → branch from root

会话保存与恢复

// Work on a problem...
think({ content: "Analysis...", strategy: "auto" })
think({ content: "Another insight..." })

// Save before closing
reset({ save: true, saveName: "architecture-review" })

// ... MCP restarts ...

// Resume exactly where you left off
reset({ resume: "architecture-review" })
→ { status: "ok", summary: "architecture-review oturumu geri yüklendi — 5 node ile devam ediliyor" }

第一性原理推理

think: {
  strategy: "first_principles",
  firstPrinciples: {
    problem: "How to improve battery efficiency?",
    assumptions: ["Batteries must use lithium", "Charging takes hours"],
    depth: 3,
    domain: "physics"
  }
}
→ Creates: Problem → Assumptions Challenged → Fundamental Truths → Reconstructed Solution

反事实（假设情景）分析

think: {
  strategy: "counterfactual",
  counterfactual: {
    currentState: "Office-based work with 5-day commute",
    variablesToChange: [
      { variable: "work_location", currentValue: "office", hypotheticalValue: "remote", impactWeight: 0.9 },
      { variable: "commute_days", currentValue: 5, hypotheticalValue: 0, impactWeight: 0.8 }
    ],
    timeHorizon: "medium_term",
    rippleDepth: 3
  }
}
→ Creates: Baseline → Variable Changes → Stage 1/2/3 Ripple Effects → Scenarios → Risk Analysis

系统思维

think: {
  strategy: "systems_thinking",
  systemsThinking: {
    systemDescription: "Software development team dynamics",
    components: [
      { name: "FeatureBacklog", type: "stock", description: "Pending work" },
      { name: "DeveloperCapacity", type: "stock", description: "Available developers" },
      { name: "CodeReviews", type: "flow", description: "Review process" },
      { name: "Quality", type: "converter", description: "Quality gates" }
    ],
    focusArea: "feedback_loops"
  }
}
→ Creates: System Overview → Components → Feedback Loops → Leverage Points → Recommendations

MCTS（蒙特卡洛树搜索）

think: {
  strategy: "mcts",
  mcts: {
    problem: "Which architecture pattern to choose?",
    possibleActions: [
      { id: "microservices", description: "Microservices architecture", estimatedReward: 0.7 },
      { id: "monolith", description: "Monolithic architecture", estimatedReward: 0.5 },
      { id: "modular", description: "Modular monolith", estimatedReward: 0.8 }
    ],
    numSimulations: 100,
    pruningThreshold: 0.2
  }
}
→ Creates: Root → Actions → Simulations → Pruning Analysis → Optimal Path

总结分析

conclude({ detailLevel: "detailed" })
→ {
  status: "ok",
  summary: "12 dusunce, 3 dal, sequential+counterfactual stratejileriyle analiz tamamlandi",
  data: {
    conclusion: { primaryFinding: "...", confidence: 0.85 },
    actionItems: [{ action: "Investigate...", priority: "high" }, ...],
    graphHealth: { totalThoughts: 12, avgConfidence: 0.72, recommendation: "Graf saglikli gorunuyor" }
  },
  nextSuggested: { tool: "reset", params: { save: true }, reason: "Analizi kaydetmeyi unutmayin" }
}

元认知指导

metacog: { action: "auto_update" }
→ Stuck detected + suggested action in nextSuggested

metacog: { action: "switch", strategy: "parallel", reason: "Break through impasse" }
→ Strategy switched + next step recommended

剪枝

prune: { action: "analyze" }
→ Dead Ends, Redundant Branches, Total prunable count

prune: { action: "prune" }
→ Nodes pruned + metacog updated + nextSuggested

获取帮助

help()                    → all tools, all categories, all workflows
help({ category: "core" })     → 7 core tools with quick-start examples
help({ category: "advanced" }) → 9 advanced tools
help({ category: "workflow" }) → 3 recommended workflows

友好的错误消息

验证失败时，你会看到易于理解的错误，而不是原始的 Zod 输出：

think({ confidence: 1.5 })
→ {
  status: "error",
  error: "VALIDATION_ERROR",
  message: "\"confidence\" parametresinde hata: ...",
  field: "confidence",
  hint: "confidence 0 ile 1 arasında bir sayı olmalı. Örnek: confidence: 0.7"
}

evaluate({ nodeId: "nonexistent" })
→ {
  status: "error",
  error: "NODE_NOT_FOUND",
  provided: "nonexistent",
  hint: "Geçerli alias'lar: \"last\", \"best\", \"root\" veya graph aracıyla node ID alın"
}

架构

src/
├── index.ts                         MCP server & 17 tool handlers
├── test.ts                          Core functionality tests (118 tests)
├── test_enhanced_strategies.ts      Strategy tests (13 tests)
├── core/
│   ├── types.ts                     Type definitions, MCPResponse, NextAction
│   ├── schemas.ts                   Zod validation schemas (10 strategies incl. auto)
│   ├── node.ts                      ThoughtNode CRUD operations
│   ├── graph.ts                     DAG-based thought graph + resolveNodeId + aliases
│   ├── strategies.ts               10 reasoning strategies + selectStrategy (auto)
│   ├── scorer.ts                    Confidence scoring & self-critique
│   ├── metacog.ts                   Metacognitive engine with smart triggers
│   ├── knowledge.ts                 Knowledge integration & validation
│   ├── pruner.ts                    Dead-end/redundancy detection & pruning
│   ├── session.ts                   Session persistence (save/load/resume)
│   └── errors.ts                    Friendly error formatting (Zod + unknown)
└── enhancements/
    ├── visualization.ts            SVG & ASCII graph visualization
    ├── devils_advocate.ts           Counterargument generation
    ├── cross_disciplinary.ts        Cross-domain analogy engine
    ├── temporal_projection.ts       Future/past thought projection
    ├── ethical_evaluation.ts         4 ethical frameworks
    ├── emotional_intelligence.ts    Emotion & sentiment analysis
    ├── explanation.ts               Decision explainability
    └── social_impact.ts             Stakeholder & social impact

v3.0.0 新功能

功能	描述
节点别名	所有 nodeId 参数均可使用 "last"、"best"、"root" 代替节点 ID
MCPResponse	结构化 JSON 响应，包含 status、summary、confidence、nextSuggested
会话持久化	自动保存至 ~/.deep-thinker/sessions/，并可在重启后恢复
友好的错误消息	将 Zod 错误转换为易于理解的提示，并提供针对字段的指引
help 工具	提供 3 类工具发现功能和工作流示例
conclude 工具	生成图表摘要，包含 primaryFinding、actionItems、graphHealth
strategy: auto	根据内容关键词和图状态自动选择策略

与 sequential-thinking 的比较

特性	sequential-thinking	deep-thinker
思考结构	线性链	DAG（分支／合并／交叉边）
策略	仅顺序策略	10 种策略（包括自动选择）
Schema 验证	无	所有策略均使用 Zod schema
置信度	基本的思考编号	多因素评分与趋势分析
自我批判	无	自动执行，并设有严重级别
元认知	无	卡住检测、智能策略触发、自动切换
知识	无	外部参考、缺口检测、一致性验证
剪枝	无	死路、冗余、路径优化
图查询	线性回顾	可视化、最佳路径、分支分析、统计
节点引用	仅按 ID 引用	别名：last、best、root
响应格式	纯文本	结构化 MCPResponse，包含 nextSuggested
会话持久化	无	自动保存、保存／加载／恢复
错误消息	原始错误	易于理解，并提供提示
工具发现	无	带分类和工作流的 help 工具
结论	手动回顾	带有 actionItems 的 conclude 工具
策略选择	仅手动选择	根据内容自动选择策略

开发

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

测试

npm run build
npm test

131 项测试覆盖所有模块：Node、Graph、10 种策略（包括自动策略）、Scorer、Metacog、Knowledge、Pruner、集成测试、边缘情况和 Schema 验证。

文档

• 架构深入解析 — 了解 DAG、评分、元认知和剪枝的内部工作原理
• 策略选择指南 — 了解各策略的适用场景及如何组合使用

贡献

请参阅 CONTRIBUTING.md 了解指南。欢迎提交 PR，尤其是新的推理策略和 MCP 工具创意。

许可证

MIT