🧠 古巴思考

人工智能代理的高级认知推理引擎 --一种模型上下文协议（MCP）服务器，通过6级认知管道、9层抗幻觉、MCTS质量执行、带Veto Gate的8信号过程奖励模型（PRM）、偏见检测、元认知分析、持续思维会话、具有Kahn DP最长路径的思维图拓扑、模式崩溃检测、Softmax门控注意力奖励评分、CUSUM变化点检测、ONNX语义嵌入（fastembed）、NLI矛盾检测（rust-bert）、Flesch-Kincaid可读性评分和跨MCP记忆共生来增强AI推理。

3个工具。零云依赖。186次测试。9轮审计。16个魔法常数已正式验证。

______________________________________________________________________

古巴为什么思考？

人工智能代理以扁平、非结构化的序列进行思考。古巴思维给了他们：

6级认知引擎 --Bloom分类状态机：定义→ 研究→ 分析→ 假设→ 验证→ 合成
9层抗幻觉 --假设跟踪、置信度校准、CoVe结构与验证问题检测、证据积累、索赔接地（按索赔接近度）、EWMA阈值执行、矛盾检测、预热保护、反过度思考
6D质量指标 --清晰度（根TTR 40%+Flesch-Kincaid 30%+句子一致性30%）、深度（子句计数）、广度（名词多样性）、逻辑（连接密度）、相关性（TF-IDF余弦）、可操作性（命令式+特殊性）
过程奖励模型（PRM） --使用V9逻辑否决门进行8信号代码评估： Gate × (0.6×Verify + 0.4×Quality) 防止不可编译的代码得分过高
沙盒执行 --PyO3 0.28沙盒，具有基于AST的安全扫描、RLIMIT_AS 512MB内存上限、递归限制100、嵌套深度100、PEP 578审计挂钩、ReDoS保护、Z3空真值检测器。支持 数值Python, sympy，以及 SciPy
MCTS强制回溯 --协议级拒绝(isError: true)当EWMA降至预算感知阈值以下，并设有对冲拒绝区时
MCTS图 --竞技场分配PUCT+自适应UCT（基于方差的c_PUCT，相关性_lambda）——优于标准UCB1
思维图谱（GoT） --具有Kahn拓扑排序+DP的DAG拓扑用于正确的最长路径深度，Tarjan SCC循环检测O（V+E）用于循环推理
持续的思考环节 --交叉调用状态累积：EWMA、新颖性、图、置信度振荡、深度退化、根锚定、假设漂移
认识论倒退 --当MCTS拒绝一个想法时，会话状态的快照/回滚，防止幻觉前提毒害未来的推理
模式崩溃检测 --OrthogonalityGuard：Jaccard相似性+针对失败想法的语义嵌入相似性可检测被转述的被拒绝的想法
偏差检测 --5种认知偏差（锚定、确认、可用性、沉没成本、旅行车），有信心+可操作的建议
元认知分析 --填充率、内容词比（Coh-Metrix）、索赔密度、谬误检测、辩证推理检查
纠正指令 --3个严重级别（信息/警告/纠正），针对薄弱质量维度的规范性改进
舞台内容对齐 --验证思维内容是否与声明的认知阶段+逻辑有效性得分（推理/接收2024）相匹配
奖励一致性检查 --PRM↔EWMA发散检测（Z≈1.9，P（误报）≈2.9%）用于奖励游戏预防
Softmax门控注意力 --通过τ=0.5的softmax实现动态EWMA权重，贝叶斯先验初始化（Fin-PRM启发，Zhou等人，2025）
CUSUM变化点检测 --无滞后质量崩溃检测代替MACD（μ=0.70，k=0.05，h=0.15）
跨MCP内存共生 --桥到古巴回忆录带防重复保护
EWMA奖励跟踪 --6信号复合材料，具有自适应α地板、阶段自适应重量分布、CUSUM崩溃预测、过程优势验证器（PAV）、停滞/疲劳检测
矛盾检测 -NLI零样本分类（rust-bet）+直接否定，30+反义词对，量词与句子上下文冲突
新颖性跟踪 --通过Jaccard距离+语义嵌入相似性（快速嵌入BGE小，384 dim）进行释义检测，每个思维步骤的Shannon信息增益
深度退化 --跟踪质量。每个想法的深度历史记录，检测到与基线相比下降>50%（KV缓存饱和代理）
代码感知指标 --当输入是代码还是自然语言时，质量、深度和指令会发生变化
反过度思考 --停滞检测、疲劳监测、模式崩溃保护、早期停止信号

______________________________________________________________________

快速开始

1.先决条件

锈蚀1.83+ & 货物
Python 3.10+ （用于PRM沙盒执行）
libtorch --自动下载者 rust-bert 构建期间（~2GB，仅限CPU）

2.建造

git clone https://github.com/LeandroPG19/cuba-thinking.git
cd cuba-thinking/cuba_cognitive_engine
cargo build --release

注：首次构建下载ONNX模型文件（fastembed约33MB）和libtorch（rust-bert约2GB）。后续版本将被缓存。

3.配置您的AI编辑器

添加到您的MCP配置中（例如。， mcp_config.json).你必须集 LD_LIBRARY_PATH 转到构建工件内的libtorch目录：

{
  "mcpServers": {
    "cuba-thinking": {
      "command": "/path/to/cuba-thinking/cuba_cognitive_engine/target/release/cuba_cognitive_engine",
      "args": [],
      "env": {
        "LD_LIBRARY_PATH": "/path/to/cuba-thinking/cuba_cognitive_engine/target/release/build/torch-sys-/out/libtorch/libtorch/lib"
      }
    }
  }
}

要找到确切的路径：

find target/release/build -path '*/torch-sys-*/out/libtorch/libtorch/lib' -type d

或者，使用附带的包装器脚本：

{
  "mcpServers": {
    "cuba-thinking": {
      "command": "/path/to/cuba-thinking/run_mcp.sh",
      "args": []
    }
  }
}

零云API密钥。100%本地运行。模型在首次运行时自动下载。

______________________________________________________________________

三种工具

1. `cuba_thinking` --深度推理

核心认知引擎。通过完整的分析流程评估每个思考步骤。

所需参数：

参数	类型	说明
`thought`	string	当前思维步骤(必须是代码/形式逻辑，而不是自然语言)
`thoughtNumber`	number	当前思想数（从1开始）
`nextThoughtNeeded`	boolean	是否有下一个思考步骤

可选参数：

参数	类型	说明
`thinkingStage`	字符串	`DEFINE`, `RESEARCH`, `ANALYZE`, `HYPOTHESIZE`, `VERIFY`, `SYNTHESIZE`
`confidence`	数字	0.0–1.0，根据舞台期望进行校准
`assumptions`	string\[\]	跨思想跟踪和重复数据消除
`hypothesis`	string	正在测试的当前假设
`budgetMode`	字符串	`fast`, `balanced`, `thorough`, `exhaustive`
`biasDetected`	string	代理报告的偏差： `anchoring`, `confirmation`, `availability`, `sunk_cost`, `bandwagon`
`branchFromThought`	number	MCTS探测的分支点
`branchId`	string	并行推理路径的标识符

输出包括： EWMA奖励百分比、信任评分、校准置信度、质量评分、矛盾警告、偏见警报、纠正指令、记忆指令、趋势指标、奖励一致性警告。

2. `verify_code` --过程奖励模型（PRM）

在沙盒环境中执行Python代码，并评估8个质量信号。

参数：

参数	类型	说明
`code`	string	要验证的Python代码（断言、函数、计算）

8个PRM信号：

信号	权重	评分
E1编译	0.25	1.0（如果执行成功），否则为0.0
E2断言传递	0.25	1.0，传递断言，0.3，不传递断言，0.0失败
E3复杂性	0.10	如果CC≤7，则为1.0，如果CC≤10，则为0.7，否则为0.0
E4类型安全	0.08	1.0带类型注释，0.3不带类型注释
E5安全导入	0.05	1.0干净，0.0有安全违规
E6决定论	0.10	1.0可重复，0.5随机/时间
E7覆盖率	0.07	断言功能比
E8多样性	0.10	唯一断言目标/总断言（反游戏）

V9 Veto门： Gate = (E1×0.7 + E4×0.3).max(0.05) --无论其他信号如何，不可编译的代码都会接近零分。

判决： 优秀（≥85%）、良好（≥65%）、可接受（≥45%）、不足（\ h (lag-free, replaces MACD)


- **奖励历史记录**：上限为20个入口（VecDeque环形缓冲区）
- **停滞检测**：3个以上步骤，EWMA变化\0.4→ 警告（Z≈1.9，P≈2.9%）

______________________________________________________________________

## 思维图谱（GoT）

跨推理链的DAG拓扑跟踪：

- **节点**：每个思考步骤都成为一个节点
- **边缘**：顺序和修订依赖关系
- **最长路径**：Kahn拓扑排序+动态规划（收敛安全）
- **循环检测**：Tarjan的SCC算法O（V+E）检测循环推理

______________________________________________________________________

## MCTS图——PUCT+自适应UCT

竞技场分配的MCTS具有PUCT评分（优于标准UCB1）：

PUCT(s,a) = Q(s,a) + c_puct × P(s,a) × √(N_parent) / (1 + N_child) c_puct adapts based on variance of child Q-values


______________________________________________________________________

## 持续的思考会议

会话在共享相同假设的多个MCP工具调用之间维护状态：

- **EWMA积累**：质量跟踪在通话中持续存在
- **新颖性跟踪**：通话时词汇量会增加
- **思维图谱**：DAG跨调用构建
- **趋势指标**: ↗️ 改善，→ 稳定，↘️ 下降
- **假设漂移（G11）**：与原始假设的语义距离
- **根部锚固**：组合漂移检测（假设+初步想法）
- **置信度波动**：快速检测交替置信度（5个读数中>3个符号变化）
- **深度退化**：跟踪质量。深度历史，检测到与基线相比下降>50%
- **认识论倒退**：当MCTS拒绝一个想法时进行快照/回滚
- **模式崩溃保护**：存储被拒绝的想法，通过Jaccard检测释义>0.6
- **自动过期**：TTL 600防止内存泄漏

______________________________________________________________________

## 沙盒安全

通过PyO3实现的多层Python沙盒：

|层|保护|
|-------|------------|
| **AST扫描仪** |在解析时阻止危险的导入（os.system、subprocess等）|
| **嵌套深度** |最大100个支架深度——防止CPython C机架耗尽|
| **内存限制** |RLIMIT_AS 512MB——防止OOM炸弹|
| **递归限制** |100-防止堆栈溢出|
| **并发** |信号量最多2个并发执行|
| **超时** |最多5秒|
| **代码大小** |最大输入50KB|
| **PEP 578审计陷阱** |在运行时阻止操作系统级事件|
| **ReDoS防护** |re.compile的反向参考长度限制|
| **Z3空洞的真理** |检测Z3求解器输出中的琐碎断言|

______________________________________________________________________

## 舞台内容对齐（V8）

验证思维内容是否与其宣称的认知阶段相匹配：

- **6个关键字模式集**：每个阶段都有双语（英语/西班牙语）
- **对齐得分**：声明的阶段模式与检测到的阶段模式的比率
- **逻辑有效性得分**：4个维度——前提参考（30%）、结论支持（30%），反向参考（20%），无逻辑缺口（20%）
- **警告**：当对齐\2个图案时发生火灾

______________________________________________________________________

## 偏差检测

|偏差|检测方法|
|------|-----------------|
| **锚定** |过度依赖首次提及的数据|
| **确认** |仅寻求支持性证据|
| **可用性** |依赖最近/难忘的例子|
| **沉没成本** |不顾证据为先前的决定辩护|
| **从众** |“每个人都使用X”推理|

每个检测到的偏差都包括置信水平、解释和可操作的建议。

______________________________________________________________________

## 记忆共生

穿过MCP桥 [古巴回忆录](https://github.com/LeandroPG19/cuba-memorys):

|阶段|触发|动作|
|-------|---------|--------|
| **定义** （思想≤2）|问题定义| `cuba_faro` 搜索+ `cuba_expediente` 错误检查|
| **假设** |新假设| `cuba_expediente` 防重复保护|
| **验证** |索赔核实| `cuba_faro(mode:"verify")` 接地检查|
| **合成** （最终）|结论| `cuba_cronica` 课程巩固|

类似于皮质-海马巩固周期（McClelland等人，1995）。

______________________________________________________________________

## 预算模式

|模式|EWMAα下限|MCTS阈值|质量门|最大思考量|长度惩罚|
|------|:------------:|:--------------:|:------------:|:------------:|:--------------:|
| ⚡ `fast` |0.30 | 50%| 0.30 | 5 | 80字|
| ⚖️ `balanced` |0.25 | 40%| 0.25 | 10 | 150字|
| 🔎 `thorough` |0.20 | 35%| 0.20 | 20 | 250字|
| 🔬 `exhaustive` |0.15 | 30%| 0.15 | 50 | 400字|

______________________________________________________________________

## 建筑

cuba-thinking/ └── cuba_cognitive_engine/ ├── Cargo.toml └── src/ ├── main.rs # Entry point ├── server/ │ ├── mcp_protocol.rs # JSON-RPC 2.0, tool dispatch, progress streaming │ └── observability.rs # Prometheus metrics, tool timing └── engine/ ├── mod.rs # Module registry │ ├── ── Cognitive Core ── ├── stage_engine.rs # 6-stage state machine (Bloom's Taxonomy) ├── quality_metrics.rs # 6D quality + Shannon entropy + LZ76 + Root-TTR ├── ewma_reward.rs # Softmax Gated Attention + CUSUM + PAV ├── budget.rs # 4 budget modes with optimal stopping (Wald 1945) ├── anti_hallucination.rs # 9-layer trust verification + Pareto L2 norm ├── bias_detector.rs # 5 cognitive bias detectors (Kahneman & Tversky) ├── metacognition.rs # Filler, CWR (Coh-Metrix), fallacies, dialectics ├── thought_graph.rs # GoT DAG + Kahn DP + Tarjan SCC O(V+E) ├── memory_bridge.rs # Cross-MCP memory symbiosis + anti-repetition ├── formatter.rs # Output formatting │ ├── ── Semantics ── ├── semantic_similarity.rs # ONNX embeddings (fastembed BGE-small, 384-dim) + TF-IDF fallback + LRU cache ├── contradiction_detector.rs # NLI zero-shot (rust-bert) + negation, 30+ antonyms, quantifiers ├── novelty_tracker.rs # Jaccard distance + semantic embedding similarity (paraphrase detection) ├── claim_grounding.rs # ROSCOE faithfulness + specificity │ ├── ── Deep Reasoning ── ├── thought_session.rs # Persistent sessions + rollback + trends + drift ├── corrective_directives.rs # 3-level prescriptive corrections (SEAL/FS-C) ├── stage_validator.rs # Stage alignment + Logical Validity (ReasonEval 2024) │ ├── ── Execution ── ├── micro_prm.rs # 8-signal PRM + Veto Gate (V9) ├── sandbox.rs # PyO3 sandbox + AST + RLIMIT + PEP 578 ├── mcts_graph.rs # PUCT + Adaptive UCT (arena-allocated) └── shared_utils.rs # Centralized stopwords, UTF-8 truncation


### 依赖项

|板条箱|版本|用途|
|-------|:-------:|---------|
| `tokio` |1.50|异步运行时|
| `serde` + `serde_json` |1.0 |序列化|
| `pyo3` |0.28|PRM代码执行的Python沙盒|
| `fastembed` |5.12|ONNX语义嵌入（BGE-small-en-v1.5384 dim）|
| `rust-bert` |0.23|NLI用于矛盾检测的零样本分类|
| `lru` |0.16 |用于嵌入和沙箱评估的LRU缓存|
| `dashmap` |6.x |会话存储的无锁并发哈希映射|
| `regex` |1.12 |图案匹配|
| `tracing` |0.1 |结构化日志记录|
| `anyhow` + `thiserror` |1.0/2.0|错误处理|
| `bumpalo` |3.20|MCTS图的竞技场分配|
| `mimalloc` |0.1|高性能内存分配器|

______________________________________________________________________

## 默认情况下为静音

功能仅在可操作时显示：

|功能|出现时|
|---------|-------------|
|EWMA奖励|始终（核心指标）|
|纠正指令|质量维度低于阈值|
|矛盾警告|检测到否定/反义词/量词冲突|
|偏见警报|检测到认知偏见模式|
|元认知警告|填充>30%或CWR\50%，与基线相比|
|置信度波动|>5个读数中有3个符号变化|
|假设漂移|与原始语义距离>阈值|
|模式崩溃| Jaccard相似度>0.6，拒绝思考|
|奖励分歧|PRM↔EWMA散度>40pp（Z≈1.9）|
|运动学崩溃| CUSUM检测到质量加速下降|
|阶段不匹配|声明阶段与检测阶段不一致|
|内存指令|定义/假设/验证/合成阶段|

______________________________________________________________________

## 数学验证

通过单元测试和形式化分析验证的每个公式：

|#|公式|说明|已验证|
|---|---------|-------------|:--------:|
|1|EWMAα=最大值（2/（n+1），α_floor）|自适应平滑（Roberts 1959）|✅ |
|2|Softmax w_i=p_i×exp（|x_i-μ|/τ）|门控注意力（周2025）|✅ |
|3|CUSUM S_t=max（0，S\_{t-1}+x_t-μ-k）|变化点检测|✅ |
|4|PRM门=（E1×0.7+E4×0.3）最大值（0.05）|否决门|✅ |
|5 |复合奖励（6个信号）|权重总和为1.0（3个阶段配置文件）|✅ |
|6|PRM复合（8个信号）|权重总和为1.0+否决门|✅ |
|7 |信任评分（5个组成部分）|权重总和为1.0 |✅ |
|8|TF-IDF余弦相似性|一致性评分（Salton 1975）|✅ |
|9|Jaccard | A∩B|/|A∪B||新颖性+模式崩溃检测|✅ |
|10|TTR/√N|根TTR归一化|✅ |
|11|Tarjan SCC O（V+E）|循环检测正确性|✅ |
|12|Kahn的DP拓扑排序|DAG最长路径（收敛安全）|✅ |
|13|Pareto L2范数d²+c²>1.65|游戏检测（Z≈1.645，第90个pctl）|✅ |
|14 | Sigmoid P（拒绝）=1/（1+e^（20d））|对冲MCTS拒绝|✅ |
|15|香农H（X）+LZ76|信息密度|✅ |
|16||PRM-EWMA|>0.4|奖励一致性（Z≈1.9，P≈2.9%）|✅ |

______________________________________________________________________

## 古巴生态系统的一部分

|项目|目的|
|---------|---------|
| [古巴记忆](https://github.com/LeandroPG19/cuba-memorys) |持久记忆——知识图谱、Hebbian学习、RLHF反馈|
| **古巴思考** |认知推理——质量指标、抗幻觉、PRM、MCTS执行|
| [古巴搜索](https://github.com/LeandroPG19/cuba-search) |网络搜索——研究、抓取、验证、文档查找|
| [古巴执行官](https://github.com/LeandroPG19/cuba-exec) |命令执行——后台进程、信号、交互式stdin|

它们共同赋予了人工智能代理 **记忆+推理+搜索+执行**.

______________________________________________________________________

## 学术参考文献

|#|引文|用于|
|---|----------|----------|
|1|Anderson和Krathwohl（2001）。“修订的布鲁姆分类法”| 6个认知阶段|
|2 |罗伯茨（1959）。“EWMA控制图”|自适应EWMA平滑|
|3|Kocsis和Szepesvári（2006）。“UCB应用于树木”|了解预算的MCTS阈值|
|4|Golovneva等人（2023）。“ROSCOE”--ICLR |忠诚，要求接地|
|5|Dhuliawala等人（2023）。“CoVe减少幻觉”——元人工智能|验证链|
|6|Lightman等人（2023）。“让我们一步一步验证”--OpenAI |步骤级奖励（PRM）|
|7 |卡尼曼和特沃斯基（1974）。“不确定性下的判断”|认知偏差检测|
|8 |弗拉维尔（1979）。“元认知与认知监控”|元认知分析|
|9|Graesser等人（2004）。“Coh-Metrix”|内容词比率|
|10 |坦普林（1957）。“儿童的某些语言技能”|TTR清晰度指标|
|11 |亨特（1965）。“语法结构”|子句深度分析|
|12 |关等人（2024）。“GRACE”|行动能力评分|
|13 |瓦尔德（1945）。“序贯分析”|证据积累，最佳停止|
|14 |香农（1948）。“通信数学理论”|信息增益，熵|
|15|McClelland等人（1995）。“互补学习系统”|记忆共生|
|16|DeepSeek（2025）。“思想论”|反过度思考|
|17 |赞加里（1994）。“EWMA风险管理”|自适应阿尔法下限|
|18 |索尔顿（1975）。“向量空间模型”|TF-IDF余弦相似度|
|19 |塔扬（1972）。“深度优先搜索和线性图算法”|SCC循环检测|
|20|Lempel和Ziv（1976）。“有限序列的复杂性”|LZ76复杂性度量|
|21 | Press等人（2022）。“列车短，测试长”|深度退化|
|22 |第578页（2019）。“Python运行时审计钩子”|沙盒安全层|
|23 | Cilibrasi和Vitányi（2005）。“压缩聚类”——IEEE TIT|模式崩溃检测|
|24 |卡恩（1962）。“大网络拓扑排序”——CACM|DAG最长路径|
|25|Besta等人（2024）。“思维图谱”——苏黎世联邦理工学院|GoT DAG拓扑|
|26|Greenblatt等人（2024）。“Sycophancy to Subperfuge”--arXiv:2406.10162|奖励游戏检测|
|27 |孙等人（2024）。“思维图”——arXiv:2409.10038|DAG形式化|
|28 |周等（2025）。“Fin PRM”| Softmax门控注意力|
|29 |佩奇（1954）。“连续检查方案”|CUSUM变化点检测|
|30 |松香与银（2011）。“PUCT算法”|MCTS探索策略|

______________________________________________________________________

## 许可证

[CC BY NC 4.0](https://creativecommons.org/licenses/by-nc/4.0/) --免费使用和修改， **非商业用途**.

______________________________________________________________________

## 作者

**莱安德罗·佩雷斯G。**

- github： [@LeandroPG19](https://github.com/LeandroPG19)
- 电子邮件： [leandropatodo@gmail.com](mailto:leandropatodo@gmail.com)

Cuba Thinking

快速接入

详细介绍

🧠 古巴思考

古巴为什么思考？

快速开始

1.先决条件

2.建造

3.配置您的AI编辑器

三种工具

1. `cuba_thinking` --深度推理

2. `verify_code` --过程奖励模型（PRM）

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

Cuba Thinking

快速接入

详细介绍

🧠 古巴思考

古巴为什么思考？

快速开始

1.先决条件

2.建造

3.配置您的AI编辑器

三种工具

1. cuba_thinking --深度推理

2. verify_code --过程奖励模型（PRM）

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

1. `cuba_thinking` --深度推理

2. `verify_code` --过程奖励模型（PRM）