求知镜 MCP (Mirror of Wisdom)
本地 AI 的专家咨询工具 - 动态生成专家角色，提供问题-解决-结束的专业服务
  ](https://github.com/your-org/mcp-mirror-of-wisdom)
🌟 产品简介
求知镜 MCP 是一个基于 MCP (Model Context Protocol) 的专家咨询工具，根据用户需求动态生成专业的专家角色，提供从问题分析到解决方案的完整咨询服务。
核心特性
- 🧠 元提示词驱动 - 使用 4D 流程动态生成专业专家提示词
- 💭 思维链展示 - 专家展示完整思考过程（知识对齐、逻辑解构、交叉验证、执行策略）
- 🎯 信息粒度对齐 - 首次对话主动提问，确保理解用户真实需求
- ✅ 任务完成导向 - 问题解决后明确终止，非无限聊天
- 🔄 多领域支持 - 技术、设计、商业、教育等任意领域
- 🛡️ 质量保证 - 自动回退机制，确保服务稳定性
产品定位
| 维度 | 不是 | 而是 |
|---|---|---|
| 核心定位 | 聊天机器人、万能助手 | 专家咨询工具 |
| 使用模式 | 无限多轮对话 | 问题-解决-结束 |
| 专家切换 | 复用 session_id（会错位） | 每个任务创建新会话 |
| 价值主张 | 一个"万能"但平庸的助手 | 每个领域都有最专业的专家 |
🚀 快速开始
安装
方式 1: 使用可视化配置工具（推荐）
# 进入项目目录
cd mcp-mirror-of-wisdom
# 安装依赖
pip install -e .
# 运行可视化配置工具
python tools/mirror_config_tool.py方式 2: 手动配置
# 进入项目目录
cd mcp-mirror-of-wisdom
# 安装依赖
pip install -e .
# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，设置 MIRROR_API_KEY详细安装教程: 查看 INSTALLATION.md 获取完整的用户级安装指南
运行
# 启动 MCP 服务器
python -m mirror_of_wisdom.server
# 或使用 MCP Inspector 测试
npx @modelcontextprotocol/inspector python -m mirror_of_wisdom.server使用示例
# 1. 创建专家会话
session_id = await create_expert_session(
requirement="我需要优化数据库查询性能"
)
# 2. 专家首次回复（主动提问对齐信息粒度）
# 专家会问 3 个关键问题
# 3. 用户提供详细信息
response = await chat_with_expert(
session_id=session_id,
message="我的订单表有5000万条数据，SQL 是..."
)
# 4. 专家深度分析（展示完整思维链）
# 知识对齐 → 逻辑解构 → 交叉验证 → 执行策略
# 5. 问题解决后，专家自动终止对话
# 提示重新创建新会话处理其他问题💡 使用场景
💡 技术问题
→ 创建技术专家会话
→ 展示思维链分析
→ 提供具体解决方案
→ 问题解决后终止
🎨 设计问题
→ 创建设计专家会话（新会话）
→ 分析设计需求
→ 提供专业设计方案
→ 完成后终止
📈 商业问题
→ 创建商业专家会话（新会话）
→ 商业模式分析
→ 战略建议
→ 完成后终止重要提示：每次处理不同领域的问题时，请创建新的专家会话，以获得最专业的指导。
📖 详细文档
- INSTALLATION.md - 完整安装教程（用户级安装）
- QUICKSTART.md - 5分钟快速上手指南
- DEVELOPMENT.md - 完整开发指南
- 说明文档.md - 项目全生命周期文档
🏗️ 项目结构
mcp-mirror-of-wisdom/
├── 说明文档.md # 项目主文档
├── README.md # 本文件
├── INSTALLATION.md # 安装教程
├── QUICKSTART.md # 快速开始
├── DEVELOPMENT.md # 开发指南
├── pyproject.toml # 项目配置
│
├── src/
│ ├── mirror_of_wisdom/ # 核心包
│ │ ├── config.py # 配置管理
│ │ ├── prompt_generator.py # 元提示词生成器
│ │ ├── llm_client.py # 多提供商 LLM 客户端
│ │ ├── session_manager.py # 会话状态管理
│ │ ├── llm_cache.py # 持久化缓存
│ │ ├── circuit_breaker.py # 熔断器保护
│ │ └── metrics.py # 性能监控
│ ├── tools/ # MCP 工具
│ │ └── expert_session.py # 3个核心工具
│ └── server.py # MCP 服务器入口
│
├── tools/ # 配置工具
│ └── mirror_config_tool.py # 可视化配置工具
│
├── tests/ # 测试
│ ├── unit/ # 单元测试
│ └── scenarios/ # 场景测试
│
└── .ai_temp/ # 临时文件（演示脚本等）🛠️ 核心 MCP 工具
1. create_expert_session
创建专家会话，生成专家提示词，并立即返回专家首次回复（主动提问）。
2. chat_with_expert
与专家对话，展示完整思维链，提供专业建议。
3. end_expert_session
结束专家会话，清理资源，并提供会话统计。
📊 项目状态
当前版本：v0.7.2 (Phase 6)
已完成功能：
- ✅ 元提示词驱动（4D 流程）
- ✅ 思维链展示（始终展示思考过程）
- ✅ 首次对话协议（分析概述 + 3个问题）
- ✅ 任务完成与终止机制
- ✅ 多领域专家动态生成
- ✅ 会话状态管理（TTL 30分钟）
- ✅ 持久化缓存（规避重复推理）
- ✅ 熔断器保护（防止级联故障）
- ✅ 性能监控（LLM 调用统计）
- ✅ 多提供商支持（OpenAI/Anthropic/智谱/Gemini/自定义）
测试覆盖：
- ✅ 94 个单元测试通过
- ✅ 真实 LLM 端到端演示验证
- ✅ 极端情况测试通过
🔗 相关链接
📝 更新日志
v0.7.2 (2025-01-25)
Phase 6 完成：
- ✨ 元提示词优化（专家思维系统）
- 💭 始终展示思维链（首次收敛为概述+3问题，后续完整4步）
- ✅ 任务完成与终止机制（问题-解决-结束模式）
- 📝 产品定位明确（专家咨询工具，非聊天机器人）
- ✅ 端到端真实 LLM 演示验证
- ✅ Phase 6 单元测试（9个新测试）
v0.7.1 (2025-01-23)
Phase 5 完成：
- ✨ 两阶段提示词优化
- 🎯 自定义约束和验收标准
- 📦 配置文件预设支持
v0.7.0 (2025-01-23)
Phase 4 完成：
- 🔄 会话管理重构（显式生命周期）
- 💬 首次对话信息粒度对齐
- 🛡️ 质量检查与兜底机制
v0.6.0 (2025-01-22)
Phase 3 完成：
- ⚡ 持久化缓存（规避 13s LLM 推理时间）
- 🛡️ 熔断器保护（防止级联故障）
- 📊 性能监控（LLM 调用统计）
🤝 贡献
欢迎贡献！请查看 DEVELOPMENT.md 了解开发指南。
📄 许可证
mcp-mirror-of-wisdom 双重许可协议
💬 联系方式
- Issues:
- Discussions:
需要帮助？ 查看 QUICKSTART.md 或 DEVELOPMENT.md