100风

    ╔══════════════════════════════════════════════════════════╗
    ║   ██╗ ██████╗  ██████╗ ███╗   ███╗██╗███╗   ██╗██████╗  ║
    ║  ███║██╔═████╗██╔═████╗████╗ ████║██║████╗  ██║██╔══██╗ ║
    ║  ╚██║██║██╔██║██║██╔██║██╔████╔██║██║██╔██╗ ██║██║  ██║ ║
    ║   ██║████╔╝██║████╔╝██║██║╚██╔╝██║██║██║╚██╗██║██║  ██║ ║
    ║   ██║╚██████╔╝╚██████╔╝██║ ╚═╝ ██║██║██║ ╚████║██████╔╝ ║
    ║   ╚═╝ ╚═════╝  ╚═════╝ ╚═╝     ╚═╝╚═╝╚═╝  ╚═══╝╚═════╝  ║
    ╚══════════════════════════════════════════════════════════╝

人工智能代理的对抗性决策智能

100minds将100位传奇思想家（从Knuth到Schneier，从Deming到Hinton）引入一个对抗性委员会，在决策失败之前对其提出质疑。用于生产爽口的以指导自主编码代理。

![CI](https://github.com/JYeswak/100minds-mcp/actions/workflows/ci.yml) ![License: MIT](LICENSE) ![Rust](https://www.rust-lang.org/) ![Thinkers](data/thinkers/) ![Principles](data/thinkers/)

是什么让这与众不同

大多数“心智模型”工具都会给你通用的建议。100种不同：

功能	100minds	通用工具
对抗性辩论	赞成/反对/挑战立场	单选
伪造标准	对于每个职位，“如果……这是错误的”	无
从结果中学习	Thompson对您的结果进行采样	没有记忆
生产测试	自主集群中的100000多个决策	仅限演示
加密审计	Ed25519签名，哈希链	无

快速开始

# Install
cargo install --git https://github.com/JYeswak/100minds-mcp.git

# Get counsel
100minds counsel "Should we rewrite the legacy system?"

# Run as HTTP server (for swarm integration)
100minds --serve --port=3100

输出：

┌─────────────────────────────────────────────────────────────┐
│ 🧠 100MINDS DECISION INTELLIGENCE                           │
└─────────────────────────────────────────────────────────────┘

📋 Should we rewrite the legacy system?

┌─ FOR ───────────────────────────────────────────────────────
│  Kent Beck [confidence: 0.72]
│    "Do the simplest thing that could possibly work."
│    ⚠️ Falsifiable if: Simple solution can't meet requirements
│
├─ AGAINST ───────────────────────────────────────────────────
│  Fred Brooks [confidence: 0.68]
│    "Adding more engineers to a late project makes it later."
│    ⚠️ Falsifiable if: Small, independent tasks can parallelize
│
└─ CHALLENGE ─────────────────────────────────────────────────
   Devil's Advocate [confidence: 0.95]
   🔍 Missing: rollback plan, team capacity, timeline constraints

生产集成（Zesty Swarm）

100minds为决策层提供动力爽口的，一个自主编码群。反馈回路：

┌─────────────────────────────────────────────────────────────────────────────┐
│                           FACTORIO FEEDBACK LOOP                            │
├─────────────────────────────────────────────────────────────────────────────┤
│                                                                             │
│   ┌──────────────┐     ┌──────────────┐     ┌──────────────┐              │
│   │   Worker     │     │   100minds   │     │   Thompson   │              │
│   │   Spawns     │────▶│   Counsel    │────▶│   Posteriors │              │
│   │              │     │              │     │   (α, β, ρ)  │              │
│   └──────────────┘     └──────────────┘     └──────────────┘              │
│          │                    │                    ▲                       │
│          │                    │ decision_id        │                       │
│          ▼                    │ principle_ids      │                       │
│   ┌──────────────┐           │                    │                       │
│   │   Worker     │           │                    │                       │
│   │   Executes   │           │                    │                       │
│   │   Task       │           │                    │                       │
│   └──────────────┘           │                    │                       │
│          │                   │                    │                       │
│          │ success/failure   │                    │                       │
│          ▼                   ▼                    │                       │
│   ┌──────────────┐     ┌──────────────┐          │                       │
│   │   Daemon     │────▶│   Record     │──────────┘                       │
│   │   Records    │     │   Outcome    │   Updates posteriors:            │
│   │   Outcome    │     │              │   success → α += 0.05            │
│   └──────────────┘     └──────────────┘   failure → β += 0.10            │
│                                                                             │
└─────────────────────────────────────────────────────────────────────────────┘

集成代码（Rust）：

use minds_mcp::{CounselEngine, CounselRequest};

// Pre-work: Get guidance before task
let engine = CounselEngine::new()?;
let counsel = engine.counsel(&CounselRequest {
    question: format!("Worker starting on task: {}", task_description),
    domain: Some("software-development".to_string()),
    decision_id: Some(format!("bead-{}", bead_id)),  // Links outcome back
    ..Default::default()
})?;

// Inject counsel into worker context
let guidance = format_counsel_for_worker(&counsel);

// ... worker executes task ...

// Post-work: Record outcome for learning
engine.record_outcome(&RecordOutcomeRequest {
    decision_id: format!("bead-{}", bead_id),
    success: task_succeeded,
    principle_ids: counsel.principle_ids(),
    confidence_score: Some(worker_confidence),
    ..Default::default()
})?;

建筑

┌─────────────────────────────────────────────────────────────────────────────┐
│                            YOUR DECISION                                     │
│                  "Should we rewrite the legacy system?"                      │
└──────────────────────────────┬──────────────────────────────────────────────┘
                               │
                               ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│                         100MINDS ENGINE                                      │
│  ┌───────────────┐  ┌───────────────┐  ┌───────────────┐  ┌─────────────┐  │
│  │  FTS5 Search  │  │   Neural      │  │   Template    │  │  Thompson   │  │
│  │  + Keywords   │  │   Posterior   │  │   Detection   │  │  Sampling   │  │
│  │  (SQLite)     │  │   (ONNX)      │  │  (12 types)   │  │  (α/β/ρ)    │  │
│  └───────────────┘  └───────────────┘  └───────────────┘  └─────────────┘  │
└──────────────────────────────┬──────────────────────────────────────────────┘
                               │
                               ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│                 100 THINKERS  │  354 PRINCIPLES  │  6 DOMAINS               │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────┐ │
│  │ Software │ │ Systems  │ │ Business │ │ Decision │ │Philosophy│ │Secur-│ │
│  │    20    │ │    15    │ │    20    │ │    15    │ │    15    │ │ity 15│ │
│  │  Knuth   │ │  Deming  │ │  Drucker │ │  Hinton  │ │  Dennett │ │Schnei│ │
│  │  Fowler  │ │  Ohno    │ │  Thiel   │ │  LeCun   │ │  Bostrom │ │  er  │ │
│  │  Brooks  │ │  Senge   │ │  Graham  │ │  Pearl   │ │Hofstadter│ │Mitnick│
│  └──────────┘ └──────────┘ └──────────┘ └──────────┘ └──────────┘ └──────┘ │
└──────────────────────────────┬──────────────────────────────────────────────┘
                               │
                               ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│  ✅ FOR (confidence)  │  ⚠️ AGAINST (confidence)  │  🔍 CHALLENGE           │
│  + Falsification      │  + Falsification          │  + Missing              │
│    criteria           │    criteria               │    considerations       │
└──────────────────────────────┬──────────────────────────────────────────────┘
                               │
                               ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│              Ed25519 Signature  │  SHA-256 Hash Chain  │  Audit Trail       │
└─────────────────────────────────────────────────────────────────────────────┘

神经后部（ONNX）

神经后验用在40k合成决策/结果对上训练的ONNX模型替换简单的Beta分布：

MLP编码器 对语境特征的自我关注
64个暗嵌入 为原则和思想家
输出：成功概率+认知不确定性
UCB风格探索: score = success_prob + exploration_weight * uncertainty

这允许原则选择考虑背景（领域、难度、紧迫性），而不是平等对待所有决策。

MCP API参考

100minds通过HTTP上的JSON-RPC公开了15个工具：

核心工具

工具	说明
`counsel`	让对抗性的智慧委员会做出决定。返回符合伪造标准的支持/反对/挑战头寸
`record_outcome`	记录学习的成功/失败。更新汤普森后防线。对反馈回路至关重要。
`pre_work_context`	在开始工作之前获取相关框架。在任务开始时使用。

发现工具

工具	说明
`search_principles`	跨354个原则的FTS5全文搜索
`get_decision_template`	12个常见决策的指导决策树（单体与微服务、构建与购买等）
`get_synergies`	找到能很好地协同工作的原则
`get_tensions`	找出相互冲突的原则——你必须做出选择
`check_blind_spots`	确定你可能错过了什么
`detect_anti_patterns`	检查已知的不良模式

学习工具

工具	说明
`sync_posteriors`	获取所有原理的汤普森采样α/β/ρ。被蜂群用来同步学习。
`record_outcomes_batch`	守护进程重启恢复的批量结果记录
`counterfactual_sim`	“如果我们没有使用这些原则呢？”模拟
`wisdom_stats`	主要业绩记录统计

验证工具

工具	说明
`validate_prd`	对照哲学框架检查PRD。捕捉布鲁克斯的违法行为、YAGNI问题等。
`audit_decision`	带有Ed25519签名的完整来源链

示例：完整JSON-RPC调用

curl -X POST http://localhost:3100/mcp \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
      "name": "counsel",
      "arguments": {
        "question": "Should we add caching to the API?",
        "domain": "architecture",
        "decision_id": "bead-josh-abc123"
      }
    }
  }'

CLI使用情况

# Get adversarial counsel
100minds counsel "Should we use microservices?"

# With JSON output for automation
100minds counsel "Should we add caching?" --json

# Specify domain for better matching
100minds counsel "Should we use Redis?" --domain=performance

# Record outcome (closes learning loop)
100minds --outcome  --success

# View statistics
100minds --stats

# Run as HTTP server
100minds --serve --port=3100

# Validate a PRD
100minds --validate-prd path/to/prd.json

# Analyze PRD with 100minds metadata
100minds --analyze-prd path/to/prd.json

# Thompson Sampling stats
100minds --thompson stats

# Run benchmarks
100minds --benchmark scenarios
100minds --analyze coverage

安装

选项1：货物（推荐）

cargo install --git https://github.com/JYeswak/100minds-mcp.git
100minds --stats

选项2:Docker

docker run -p 3100:3100 ghcr.io/jyeswak/100minds-mcp:latest

选项3：来源

git clone https://github.com/JYeswak/100minds-mcp.git
cd 100minds-mcp
cargo build --release
./target/release/100minds --stats

ONNX运行时（用于语义搜索）

# macOS
brew install onnxruntime

# Linux
apt install libonnxruntime-dev

100思想家

域名	计数	传奇
软件	20	高德纳、福勒、布鲁克斯、贝克、霍珀、卡马克、迪杰斯特拉、兰波特
系统	15	戴明、大野、圣吉、温伯格、戈德拉特、弗雷斯特、阿克夫
商业	20	德鲁克、蒂尔、格雷厄姆、戈丁、克里斯滕森、波特、布兰克
决策	15	Hinton、LeCun、Ng、Pearl、Sutton、Bengio、Goodfellow
哲学	15	丹尼特、霍夫施塔特、博斯特罗姆、泰格马克、拉塞尔、塞尔
安全	15	施奈尔、米特尼克、斯塔莫斯、大不里士、奥尔曼迪、麦格劳、拉努姆

局限性

不是领域专家的替代品 --提供框架，而非权威答案
无实时数据 --原则是永恒的智慧，而不是时事
仅限英语 --Thinker内容目前为英文
需要反馈 --学习循环需要记录结果以改进
精心策划，不全面 --100位思想家无法涵盖所有领域

发展

cargo test                              # Run tests
cargo run --bin import -- data/thinkers # Import thinkers
cargo run --bin 100minds -- --stats     # Check stats
cargo run --bin 100minds -- --benchmark scenarios  # Run benchmarks

贡献

欢迎捐款：

新思想家：从代表性不足的领域中汲取智慧
更好的模板：改进决策匹配
评估场景：扩大基准覆盖范围
集成：连接到更多的AI框架

看贡献.md 作为指导方针。

许可证

MIT许可证-请参阅许可证了解详情。

______________________________________________________________________

“抽象的目的不是模糊，而是创造一个新的语义层次，在这个层次上可以绝对精确。” --Edsger Dijkstra

精心打造 ZestStream

100minds MCP

快速接入

详细介绍