结构化思维

一个通过结构化思维范式增强推理能力的框架。

项目概述

结构化思维是一个模块化系统，为 MCP 客户端提供专用工具，用于使用预定义的认知框架处理复杂问题。它充当一个“思维草稿纸”，通过显式的、逐步的推理过程来指导问题解决，这些过程针对不同类型的挑战进行了优化。

主要特性

• 基于模板的思维：用于常见认知任务的结构化框架
• 上下文感知模板选择：自动选择合适的思维模板
• 验证性思维：对声明和假设进行系统验证
• 学习与适应：通过使用模式分析持续改进
• 灵活集成：所有思维工具的通用接口

架构

该项目遵循以专用思维工具为中心的模块化架构：

structured-thinking/
├── src/
│   ├── common/              # 共享类型和实用程序
│   ├── persistence/         # 数据持久层
│   ├── tools/               # 思维工具实现
│   │   ├── template-thinking/   # 基于模板的思维
│   │   │   ├── intelligence/    # 机器学习/模式匹配
│   │   │   ├── recommender/     # 模板推荐
│   │   ├── verification-thinking/  # 验证性思维
│   └── index.ts             # 主入口点

功能组件

1. 模板思维

模板思维为处理不同问题类型提供结构化框架：

• 模板管理器：管理模板和思维会话的核心组件
• 模板推荐器：分析问题上下文并选择合适的模板
• 智能层：模式识别和上下文理解
• 学习系统：跟踪模板有效性并调整推荐

模板类别

• 分析：将复杂问题分解为可分析的组成部分
• 计划：用于实施计划的结构化方法
• 调试：系统地排除问题
• 决策：用于评估具有多个标准的选项的框架
• 研究：系统的信息收集方法
• 验证：系统地验证声明或假设

2. 验证性思维

验证性思维提供专门用于验证声明的框架：

• 声明验证：系统地验证断言
• 证据评估：系统地评估支持证据
• 置信度跟踪：显式跟踪置信度级别

3. 通用基础设施

• 类型定义：跨思维工具共享的接口
• 持久性管理器：思维工件的存储和检索
• 聊天格式：与 MCP 客户端的聊天界面集成

系统流程

1. 问题描述：用户向 MCP 客户端提出问题
2. 上下文分析：系统分析问题描述
3. 模板推荐：推荐合适的思维模板
4. 模板选择：用户或系统选择最合适的模板
5. 会话创建：创建一个结构化思维会话
6. 引导步骤：MCP 客户端完成结构化思维步骤
7. 结果与学习：存储结果以改进未来的推荐

用户体验工作流程

模板思维为 MCP 客户端提供了一种结构化的方法，可以使用预定义或自定义模板来解决复杂问题。以下是从用户角度来看它的工作方式：

1. 初始化

当用户要求 MCP 客户端有条不紊地分析某些内容时，客户端可以调用模板思维工具来指导其分析过程：

• MCP 客户端确定适合任务的模板（例如，用于问题分析的“analysis-template”）
• 系统使用该模板创建一个新会话
• MCP 客户端向用户呈现模板结构，突出显示当前步骤

用户所见：MCP 客户端介绍模板方法，并专注于第一步，提出有针对性的问题来完成该步骤。

2. 引导式逐步过程

随着对话的进行：

• MCP 客户端根据用户输入及其自身的分析完成每个步骤
• 完成一个步骤后，MCP 客户端使用该工具标记该步骤已完成并前进到下一步
• 会话的状态在整个对话中保持不变

用户所见：MCP 客户端清楚地指示当前活动的步骤，并显示模板的进度。来自 MCP 客户端的每个响应都围绕完成当前步骤并过渡到下一步而构建。

3. 用户的优势

模板思维方法具有以下几个优点：

• 彻底性：确保系统地考虑所有重要方面
• 透明度：用户可以看到思维过程并在每个步骤中做出贡献
• 一致性：为类似问题提供可重复的方法
• 定制：模板可以针对特定领域或任务进行定制

4. 自定义模板

用户可以让 MCP 客户端为专门任务创建自定义模板：

• MCP 客户端可以使用适当的步骤定义一个新模板
• 该模板被存储以供将来使用
• MCP 客户端可以立即开始使用新模板

这允许该方法针对特定领域（安全审计、代码审查、决策过程等）进行定制，而不是使用通用模板。

示例交互

示例 1：技术知识库生成器

用户：“你能为我们的开发团队创建一个关于 GraphQL 的技术知识库文章吗？”

MCP 客户端：“我将帮助你创建一个关于 GraphQL 的综合技术知识库。

📋 技术知识库生成器（第 1 步，共 10 步）
→ 当前步骤：定义和限定技术主题的范围，将其分解为关键组件和必要的研究领域

让我们首先定义 GraphQL 知识库的范围。我们应该关注 GraphQL 的哪些特定方面来满足你的开发团队的需求？例如：
- API 查询语言基础
- 服务器实现和设置
- 客户端集成
- 模式设计
- 性能优化
- 安全最佳实践
- 特定框架或库
- 从 REST 迁移

这将帮助我创建一个重点突出的技术文档。”

用户：“我们需要涵盖基础知识、模式设计以及如何使用 Node.js 和 React 实现它。安全和性能方面的考虑也会有所帮助。”

MCP 客户端：“📋 技术知识库生成器（第 2 步，共 10 步）
✓ 第 1 步：定义和限定技术主题的范围
→ 当前步骤：使用权威来源（官方文档、GitHub 存储库、专家博客等）进行研究

我现在将研究 GraphQL，重点关注基础知识、模式设计、Node.js 实现、React 客户端集成以及安全/性能方面的考虑。

我将从以下来源收集信息：
- 官方 GraphQL 文档
- Apollo GraphQL 文档（流行的实现）
- GitHub 上 Node.js 和 React 实现的高星级存储库
- 来自公认专家的技术博客
- 来自可信来源的安全最佳实践

你的团队是否使用或计划使用任何特定的 GraphQL 实现（Apollo、Relay 等）？这将有助于我更有效地定位研究。”

[对话继续进行剩余步骤]

MCP 客户端：“📋 技术知识库生成器（已完成）
✓ 第 1 步：定义和限定技术主题的范围
✓ 第 2 步：使用权威来源进行研究
✓ 第 3 步：创建介绍
✓ 第 4 步：定义核心概念
✓ 第 5 步：创建入门指南
✓ 第 6 步：记录最佳实践
✓ 第 7 步：提供常见模式和示例
✓ 第 8 步：添加故障排除部分
✓ 第 9 步：涵盖高级主题
✓ 第 10 步：编译资源和参考资料

📄 生成的工件：

### technical-knowledge-base.md
包含理论和实践指导的综合技术文档

我已经创建了一个完整的 GraphQL 知识库文档，其中涵盖了基础知识、模式设计、Node.js 服务器实现、React 客户端集成以及性能/安全方面的考虑。该文档包括代码示例、最佳实践、故障排除指南和精选资源，以帮助你的开发团队。”

示例 2：用户角色生成器

用户：“我需要为一款帮助人们跟踪和减少碳足迹的移动应用程序创建一个用户角色。”

MCP 客户端：“我将帮助你使用结构化方法创建一个详细的用户角色。

📋 用户角色生成器（第 1 步，共 8 步）
→ 当前步骤：分析业务概念（正在解决的问题、解决方案概述、主要功能）

为了创建一个有效的用户角色，我首先需要更好地了解你的业务概念。你能提供更多关于以下方面的详细信息吗：

1. 你的碳足迹应用程序正在解决的特定问题
2. 你的总体方法/解决方案
3. 应用程序的主要功能或能力
4. 你已经想到的任何特定目标受众”

用户：“问题是人们想减少碳足迹，但不知道从哪里开始。我们的应用程序允许用户跟踪日常活动及其影响，建议个性化的改变，并将他们与可持续的替代方案联系起来。目标受众是具有环保意识的千禧一代和 Z 世代。”

MCP 客户端：“📋 用户角色生成器（第 2 步，共 8 步）
✓ 第 1 步：分析业务概念
→ 当前步骤：识别 2-4 个不同的用户细分，并简要描述每个细分

根据你的业务概念，我确定了以下不同的用户细分：

1. 生态好奇的初学者：刚开始可持续发展之旅的年轻人（18-25 岁），有动力但不知所措
2. 坚定的气候倡导者：已经实践可持续发展的千禧一代（26-35 岁），他们希望优化和量化他们的影响
3. 务实的减少者：主要受成本节约和效率驱动的忙碌专业人士（30-45 岁），可持续发展是次要的好处
4. 社交驱动的分享者：活跃于社交媒体的用户（20-30 岁），他们希望展示他们的环境努力并影响他人

你希望我首先将哪个细分发展成完整角色？或者你认为是否有另一个细分更相关？”

[对话继续进行剩余步骤]

MCP 客户端：“📋 用户角色生成器（已完成）
✓ 第 1 步：分析业务概念
✓ 第 2 步：识别用户细分
✓ 第 3 步：开发详细的角色资料
✓ 第 4 步：定义挑战、痛点和目标
✓ 第 5 步：描述动机、决策因素和犹豫
✓ 第 6 步：创建使用环境和技术舒适度资料
✓ 第 7 步：生成第一人称叙述
✓ 第 8 步：制定战略问题

📄 生成的工件：

### user-persona.md
包含可操作的业务规划见解的综合用户角色

我已经为 Mia 创建了一个详细的角色，她是一位 28 岁的城市专业人士，代表你的“坚定的气候倡导者”细分。该角色包括她的完整资料、挑战、动机、使用模式和战略问题，以帮助指导你的应用程序开发和营销策略。”

示例 3：北极星指标策略

用户：“你能帮助我们的 SaaS 公司确定正确的北极星指标吗？我们为建筑团队提供项目管理软件。”

MCP 客户端：“我将帮助你使用结构化方法确定你理想的北极星指标。

📋 北极星指标策略（第 1 步，共 6 步）
→ 当前步骤：收集必要的业务背景（行业、目标受众、价值主张、当前指标、目标、数据能力）

为了向你提供最有效的北极星指标，请分享：
a. 更多关于你在建筑领域的目标受众的详细信息
b. 你对这些客户的核心价值主张
c. 你当前正在跟踪的指标
d. 你的战略业务目标
e. 你的平台拥有的数据跟踪能力”

用户：“我们的目标受众是中型建筑公司。我们的价值主张是通过实时协作将现场效率提高 40%。我们目前跟踪每月活跃用户、功能采用率和流失率。我们的目标是在明年将年度经常性收入提高 200%。我们拥有全面的用户活动跟踪。”

MCP 客户端：“📋 北极星指标策略（第 2 步，共 6 步）
✓ 第 1 步：收集必要的业务背景
→ 当前步骤：分析业务模式和价值主张，以了解是什么驱动可持续成功

根据你的背景，我将分析是什么真正驱动你的建筑项目管理 SaaS 的可持续成功：

你的核心价值主张侧重于通过实时协作提高现场效率。这表明成功的客户是那些：
1. 多个团队成员积极使用该平台
2. 利用实时协作功能
3. 体验到可衡量的效率提升

最重要的是不仅仅是使用，而是能够带来效率提升的协作使用。这是推动续订和扩展的原因。

你是否同意我对你的价值驱动因素的评估？我是否应该考虑对你的业务模式至关重要的其他因素？”

[对话继续进行剩余步骤]

MCP 客户端：“📋 北极星指标策略（已完成）
✓ 第 1 步：收集必要的业务背景
✓ 第 2 步：分析业务模式和价值主张
✓ 第 3 步：评估当前的 KPI 和指标
✓ 第 4 步：确定一个北极星指标
✓ 第 5 步：将北极星指标分解为可操作的杠杆
✓ 第 6 步：确定杠杆的优先级并创建实施计划

📄 生成的工件：

### north-star-strategy.md
包含可操作的实施计划的综合北极星指标策略

根据我们的分析，我建议将“每周活跃项目，每天有 5 个以上活跃用户”作为你的北极星指标，并提供完整的实施策略和可操作的杠杆来推动增长。”

示例 4：解决方案架构规划

用户：“我需要为我们的新电子商务平台规划架构，该平台需要处理高流量并与多个支付提供商集成。”

MCP 客户端：“我将帮助你使用结构化方法规划此架构。

📋 解决方案架构规划（第 1 步，共 5 步）
→ 当前步骤：设置初始上下文 - 将项目描述分解为核心组件（目标、问题、用户、技术约束）

让我们首先明确定义项目上下文。你能提供更多关于以下方面的详细信息吗：
1. 电子商务平台的具体目标
2. 它试图解决的关键问题
3. 将与之交互的主要用户类型
4. 我们应该考虑的任何特定技术约束？”

用户：“该平台旨在全球销售时尚产品，并提供个性化推荐。问题包括处理季节性流量高峰以及支持多种货币和支付方式。用户包括购物者、商家和管理员。必须具有移动响应能力并符合 GDPR。”

MCP 客户端：“📋 解决方案架构规划（第 2 步，共 5 步）
✓ 第 1 步：设置初始上下文 - 将项目描述分解为核心组件
→ 当前步骤：功能定义 - 使用 MoSCoW 框架（必须、应该、可以、不会）形成一个优先排序的功能列表

根据提供的上下文，让我们使用 MoSCoW 框架定义和优先排序功能：

必备功能（MVP 要求）：
- 用户身份验证和帐户管理
- 具有搜索和过滤功能的产品目录
- 购物车和结帐流程
- 至少与 2 个主要提供商的支付处理
- 客户和管理员的订单管理
- 移动响应式设计
- GDPR 合规机制

对于初始版本，你还会将哪些其他功能归类为必备、应该、可以或不会？”

[对话继续进行剩余步骤]

MCP 客户端：“📋 解决方案架构规划（已完成）
✓ 第 1 步：设置初始上下文 - 分解项目描述
✓ 第 2 步：功能定义 - 使用 MoSCoW 框架形成一个优先排序的功能列表
✓ 第 3 步：初始技术分析 - 研究和验证技术方法
✓ 第 4 步：创建技术方法文档 - 记录架构决策
✓ 第 5 步：创建任务分解 - 开发结构化任务列表

📄 生成的工件：

### technical-approach.md
综合技术方法文档

### tasks.md
具有依赖关系和验收标准的优先排序的任务分解

根据我们的结构化分析，我已经为你准备了电子商务平台架构和实施计划的完整文档。”

示例 5：API 设计分析

用户：“让我们系统地分析这个 API 设计”

MCP 客户端：“我将使用结构化方法分析 API 设计。

📋 分析模板（第 1 步，共 5 步）
→ 当前步骤：明确定义问题陈述

让我们首先明确定义我们要分析的内容。你能提供有关 API 的目的和要求的详细信息吗？”

用户：“我需要设计一个用于用户管理和身份验证的 RESTful API。”

MCP 客户端：“📋 分析模板（第 2 步，共 5 步）
✓ 第 1 步：定义问题陈述 - 设计一个用于用户管理和身份验证的 RESTful API
→ 当前步骤：识别关键组件和变量

对于此用户管理 API，让我们识别关键组件：

1. 用户资源（创建、读取、更新、删除）
2. 身份验证端点（登录、注销、刷新）
3. 授权机制
4. 数据模型和关系

对于这些组件是否有任何特定要求，或者我们应该考虑其他组件？”

[对话继续进行剩余步骤]

MCP 客户端：“📋 分析模板（已完成）
✓ 第 1 步：定义问题陈述
✓ 第 2 步：识别关键组件
✓ 第 3 步：分析关系
✓ 第 4 步：评估方法
✓ 第 5 步：总结发现

根据我们的结构化分析，这是完整的 API 设计建议...”

示例 6：调试测试失败

用户：“你能帮助我系统地分析这个测试失败吗？”

MCP 客户端：“我将帮助你使用系统方法分析此测试失败。

📋 系统调试（第 1 步，共 7 步）
→ 当前步骤：使用最小示例重现问题

你能分享失败的特定测试，包括错误消息和任何相关代码吗？这将帮助我们建立一个清晰的重现案例。”

用户：“测试失败，错误消息为：'AssertionError: expected 42 but got undefined'。这是测试和实现...”

MCP 客户端：“📋 系统调试（第 2 步，共 7 步）
✓ 第 1 步：使用测试用例 X 重现了问题
→ 当前步骤：检查错误消息和日志

根据错误消息“AssertionError: expected 42 but got undefined”，似乎该函数没有返回值。让我们看看是什么原因导致了这种情况。是否有任何其他日志或堆栈跟踪可用？”

[调试过程继续进行所有步骤]

MCP 客户端：“📋 系统调试（已完成）
✓ 第 1 步：使用最小测试用例重现
✓ 第 2 步：检查错误消息
✓ 第 3 步：制定假设
✓ 第 4 步：确认 if 块中缺少返回路径
✓ 第 5 步：实施修复以添加返回值
✓ 第 6 步：验证测试现在通过
✓ 第 7 步：记录修复和根本原因

根据我们的系统调试，我们发现该函数在处理负输入的条件分支中缺少返回语句。修复方法是添加适当的返回值，并且我们已确认测试现在通过。”

示例 7：创建自定义模板

用户：“你能为 API 安全审计创建一个模板吗？”

MCP 客户端：“我将创建一个用于 API 安全审计的自定义模板。

正在创建一个包含以下步骤的新模板：
1. 识别身份验证方法
2. 审查授权模型
3. 检查数据验证
4. 检查错误处理和日志记录
5. 检查速率限制和节流
6. 审查敏感数据处理
7. 检查安全标头
8. 分析加密使用情况

你现在想开始使用此模板吗？”

用户：“是的，让我们用它来审计我们的支付 API。”

MCP 客户端：“📋 API 安全审计（第 1 步，共 8 步）
→ 当前步骤：识别身份验证方法

让我们首先识别你的支付 API 中使用的所有身份验证方法。当前实施了哪些身份验证机制？”

[流程继续通过自定义模板]

示例 8：验证技术声明的验证性思维

用户：“你能验证 Python 在数据处理方面是否真的比 JavaScript 更快吗？”

MCP 客户端：“我将帮助你使用验证性思维系统地验证该声明。

🔍 验证（初步评估）
声明：Python 在数据处理方面比 JavaScript 更快
初始置信度：中等 (0.6)

让我们首先确定此声明的特定证据。你对数据处理的哪些方面特别感兴趣？”

用户：“我听说带有 NumPy 的 Python 在数值运算方面比 JavaScript 快得多。”

MCP 客户端：“🔍 验证（证据收集）
声明：Python 在数据处理方面比 JavaScript 更快
当前置信度：0.65

收集的证据：
✓ Python 具有专门的库，如 NumPy，它使用优化的 C 代码进行数值运算
✓ NumPy 的向量化运算避免了循环，从而提供了显着的性能优势
✓ Python 的科学生态系统（SciPy、Pandas）建立在这些优化的基础上

你是否正在比较任何特定的数据处理任务，或者我应该在此验证中考虑哪些特定的 JavaScript 实现/库？”

用户：“JavaScript 的 V8 引擎和 TensorFlow.js 等库怎么样？”

MCP 客户端：“🔍 验证（反证分析）
声明：Python 在数据处理方面比 JavaScript 更快
当前置信度：0.5（已调整）

要考虑的反证：
✓ JavaScript 的 V8 引擎对数组运算进行了显着优化
✓ TensorFlow.js 利用 WebGL 进行 GPU 加速，可能优于受 CPU 限制的 Python
✓ JavaScript 的异步特性可以为 I/O 绑定数据处理提供更好的吞吐量
✓ 基于浏览器的 JavaScript 可以避免 Web 应用程序的数据传输成本

这表明最初的声明过于宽泛。让我完善评估...”

用户：“有道理。你的最终结论是什么？”

MCP 客户端：“🔍 验证（结论）
声明：Python 在数据处理方面比 JavaScript 更快
最终置信度：取决于上下文 (0.6)

验证评估：
✓ 带有 NumPy/SciPy 的 Python 通常在数值计算和科学工作负载方面更快
✓ JavaScript 在基于 Web 的数据处理方面可能更快，尤其是在使用 GPU 加速时
✓ 性能差异取决于：
  - 数据处理任务的特定类型
  - 使用的实现细节和库
  - 部署环境约束
  - 数据大小和内存要求

建议：对于纯数值计算任务，带有 NumPy 的 Python 可能会提供更好的性能。对于基于 Web 的应用程序或实时数据处理，JavaScript 可能更有优势。

你想探索任何特定的数据处理场景以进行更精确的评估吗？”

用法示例（代码）

具有自动选择功能的模板思维

// 使用具有自动选择功能的模板思维的示例
const result = await templateThinkingTool.processThought({
  command: {
    type: 'auto-select-template',
    problemDescription: '我需要决定我们的云基础设施是使用 AWS 还是 Azure'
  }
}, context);

// 响应包括选定的模板、活动步骤和格式化的输出
console.log(result.selectedTemplate); // "decision-making-template"
console.log(result.activeStep);       // "define-decision-criteria"
console.log(result.formattedOutput);  // 用于 MCP 客户端呈现给用户的格式化文本

具有手动模板选择功能的模板思维

// 手动选择模板的示例
const result = await templateThinkingTool.processThought({
  command: {
    type: 'select-template',
    templateId: 'planning-template',
    sessionName: '数据库迁移计划'
  }
}, context);

// 完成模板中的一个步骤
const updateResult = await templateThinkingTool.processThought({
  command: {
    type: 'complete-step',
    sessionId: result.sessionId,
    stepId: result.activeStep.id,
    content: '迁移将涉及从 MySQL 5.7 迁移到 PostgreSQL 13...'
  }
}, context);

验证性思维

// 使用验证性思维的示例
const result = await verificationThinkingTool.processThought({
  command: {
    type: 'verify-claim',
    claim: 'Python 在数据处理方面比 JavaScript 更快',
    confidence: 0.7,
    evidence: ['Python 具有优化的库，如 NumPy']
  }
}, context);

// 添加反证以完善验证
const updatedResult = await verificationThinkingTool.processThought({
  command: {
    type: 'add-counter-evidence',
    verificationId: result.verificationId,
    counterEvidence: ['JavaScript 的 V8 引擎对数组运算进行了显着优化']
  }
}, context);

// 添加特定于上下文的因素
const refinedResult = await verificationThinkingTool.processThought({
  command: {
    type: 'add-context-factors',
    verificationId: result.verificationId,
    contextFactors: [
      '数据处理的类型（数值与文本）',
      '环境约束（Web 与服务器）',
      '数据量和内存要求'
    ]
  }
}, context);

// 使用结论完成验证
const finalResult = await verificationThinkingTool.processThought({
  command: {
    type: 'finalize-verification',
    verificationId: result.verificationId,
    finalConfidence: 0.6,
    conclusion: '性能取决于特定的用例和环境'
  }
}, context);

自定义模板创建

// 创建自定义模板的示例
const result = await templateThinkingTool.processThought({
  command: {
    type: 'create-template',
    template: {
      name: 'API 安全审计',
      description: '用于审计 API 安全的模板',
      category: 'security',
      steps: [
        { content: '识别身份验证方法', order: 1 },
        { content: '审查授权模型', order: 2 },
        { content: '检查数据验证', order: 3 },
        { content: '检查错误处理和日志记录', order: 4 },
        { content: '检查速率限制和节流', order: 5 },
        { content: '审查敏感数据处理', order: 6 },
        { content: '检查安全标头', order: 7 },
        { content: '分析加密使用情况', order: 8 }
      ]
    }
  }
}, context);

高级功能

模板选择

系统可以根据问题上下文自动选择模板：

• 模式识别：通过语言模式识别问题类型
• 置信度评分：评估模板推荐的置信度
• 多样化推荐：建议来自不同类别的模板
• 上下文因素：考虑时间压力、复杂性和领域特异性

模板修改

可以为特定领域定制模板：

• 步骤修改：添加、删除或重新排序模板步骤
• 模板变体：创建现有模板的变体
• 自定义模板：创建全新的模板

学习与适应

该系统具有支持持续改进的基础设施（计划中）：

• 基本使用情况跟踪：当前跟踪基本模板使用计数
• 模板选择：使用可用的上下文来推荐合适的模板

与 MCP 客户端集成

结构化思维通过以下方式与 MCP 客户端集成：

1. 工具界面：客户端使用问题描述调用该工具
2. 格式化输出：结果被格式化为客户端的聊天界面
3. 上下文保留：思维状态在交互中保持不变

开始使用

# 安装依赖项
npm install

# 构建项目
npm run build

未来方向

1. 增强的模式识别：更复杂的上下文理解
2. 特定领域的模板：用于专门领域的预构建模板
3. 多工具思维：结合多种思维方法来解决复杂问题
4. 可视化思维导图：思维过程的图形表示
5. 工件生成：用于各种领域的标准化文档生成功能
6. 高级使用情况跟踪：关于模板有效性的综合指标
7. 有效性指标：详细跟踪模板在不同上下文中的性能
8. 历史分析：识别模板有效性中的趋势和模式