Sequential Thinking 🤔

高级结构化多步推理 MCP 服务

双引擎推理 · 双模型 MoA · 中文 FTS5 全文搜索 · 26 个 MCP 工具

---

📖 项目简介

Sequential Thinking 是一个纯 Python 的 MCP 服务，为 AI 助手提供结构化多步推理能力。

它的核心功能是：把一个大问题拆成多个小步骤（分析→假设→验证→结论），一步步推理，支持分支探索、质量评估、偏见检测，最终导出可视化图表或逐步回放审查。

适用场景： 日常推理、思路整理、决策分析、教学演示——只要是需要「把想法理清楚」的场景。

---

🎯 为什么选择本项目

功能对比矩阵

功能	本项目	MCP官方 (TS)	bpradana (Go)	spences10 (TS)	ad (Go)	recallnet (TS)
工具数	26	1	11	3	1	1
语言	Python	TypeScript	Go	TypeScript	Go	TypeScript
持久化	✅ SQLite WAL	❌ 内存	❌ 内存	✅ 按 session	❌ 内存	❌ 内存
数据库表	✅ 5 表 + FK	—	—	—	—	—
FTS5 全文搜索	✅	❌	❌	❌	❌	❌
LLM 集成	✅ DeepSeek + MoA	❌	❌	❌	❌	❌
双引擎降级	✅ 自动	❌	❌	❌	❌	❌
质量评估	✅ 5 维 + 交叉验证	❌	✅ 基础	❌	❌	❌
偏见检测	✅ 5 种	❌	❌	❌	❌	❌
矛盾检测	✅ 双重	❌	❌	❌	❌	❌
假设追踪	✅ 完整 CRUD	❌	❌	❌	❌	❌
修订标记	✅ is_revision	✅ isRevision	❌	✅ is_revision	✅	❌
分支推理	✅	✅	✅	✅	✅	❌
自动完成	✅	❌	❌	❌	❌	❌
模板	✅ 9 种	❌	7	❌	❌	❌
Self-MoA	✅ 3 轮投票	❌	❌	❌	❌	❌
Iterative-MoA	✅ 双模型迭代	❌	❌	❌	❌	❌
MCP Resources	✅ 2 个	❌	3	❌	❌	❌
MCP Prompts	✅ 3 个	❌	3	1	❌	❌
自动标签	✅	❌	❌	❌	❌	❌
导入/导出	导出 (Markdown/JSON)	❌	导出	❌	❌	❌
Mermaid 可视化	✅	❌	❌	❌	❌	❌
回放	✅	❌	❌	❌	❌	❌
安全扫描	❌	❌	❌	✅ prompt injection	❌	✅ key redact
链上存储	❌	❌	❌	❌	❌	✅ Recall
传输	HTTP+stdio	stdio	HTTP+stdio	stdio	stdio+SSE+HTTP	stdio
Web 面板	❌	❌	❌	❌	✅	❌
Docker	❌	✅	✅	❌	✅	❌
单元测试	✅ 192 个	✅	❌	✅ vitest	✅	❌
包管理	uv	npm	Go mod	pnpm	Go mod	npm

性能对比

维度	本项目	MCP 官方	Go 版	Python 轻量版
启动速度	🟡 中	🟢 快	🟢 快	🟡 中
内存占用	🟡 中	🟢 极低	🟢 低	🟡 中
并发能力	🟢 WAL+aiosqlite	🔴 无	🔴 低	🔴 低
数据安全	🟢 FK+WAL 保护	🔴 进程死数据丢	🔴 进程死数据丢	⚠️ 文件可能损坏
查询速度	🟢 FTS5 <1ms	—	—	🔴 文件全读
可恢复性	🟢 SQLite 持久化	🔴 无	🔴 无	⚠️ JSON 可恢复

我们的不足（诚实说明）

• 无 Web 调试面板：ad/sequentialthinking 支持 SSE+HTTP 模式，还带 Web 界面。我们暂不支持
• 无安全扫描：spences10 和 recallnet 做了 prompt injection 和 key 脱敏扫描，我们没做
• 无链上存储：recallnet 支持 Recall 链上存证，我们不支持
• 无导入功能：支持导出 Markdown/JSON，但不支持反向导入
• Python 启动速度：比 Go/TS 版本慢（加载 jieba 等依赖约 1-2 秒）
• 缺少「反方观点」功能：计划中但没有实现的功能——AI 自己反驳自己的推理，充当「魔鬼代言人」角色

---

⚡ MoA 多智能体推理

Self-MoA（温度采样）— 默认模式

是什么： 同一模型用多种不同的「心态」（温度参数 0.1~0.9）去回答同一个问题，然后投票合并。

# 伪代码：换 N 种心态问自己
for temp in [0.3, 0.7, 1.0, 0.5, 0.9]:
    答案 = 模型.回答(问题, 温度=temp)
    # temp=0.3 → 保守精准
    # temp=0.7 → 常规水平
    # temp=1.0 → 天马行空
    收集答案()
投票合并(所有答案)

为什么需要： 同一个模型用固定温度回答容易陷入固定思考模式。温度采样相当于让同一个人换几种心情回答，综合不同视角。论文 arXiv 2502.00674 证实 Self-MoA 在多数场景优于混合多模型。

Iterative-MoA（迭代推理）

是什么： 两个不同模型互相看对方说了什么，然后各自修正，多轮迭代逼近最优解。

为什么需要： 每个模型有各自的训练数据和擅长领域。DeepSeek 擅长代码和技术，Qwen 擅长中文理解和产品思考。两者互补能覆盖单一模型的盲区。参考 arXiv 2406.04692。

模式选择速查

SELECTOR	MODE	效果	Token	场景
0	—	离线启发式引擎（零 API）	0	测试/降级/简单问题
1	self-moa	模型1 多温度采样投票	~3×	日常推理，最省
2	self-moa	模型2 多温度采样投票	~3×	对比模型效果
3	self-moa	双模型各自采样后合并	~6×	需多视角
3	iterative	双模型互相看+迭代修正	48×	重要决策，最高质量

---

🔧 配置

Config/.env（敏感，chmod 600）
├── DEEPSEEK_API_KEY     ← 模型1 API Key
└── DASHSCOPE_API_KEY    ← 模型2 API Key（双模型模式需要）

Ecosystem/ecosystem.config.js（非敏感）
├── ST_LLM_SELECTOR     ← 0/1/2/3
├── ST_LLM_MODE         ← self-moa / iterative
├── ST_MOA_ROUNDS       ← 1~20（默认 3）
├── ST_LLM_MODEL        ← 模型1（默认 deepseek-v4-flash）
├── ST_LLM2_MODEL       ← 模型2（默认 qwen3.7-plus）
├── ST_HOST/ST_PORT     ← 监听地址和端口
└── ST_DB_PATH          ← SQLite 数据库路径

支持任何 OpenAI 兼容的 API，只需改 ST_LLM_MODEL 和 ST_LLM_API_BASE。

---

🚀 快速开始

git clone https://github.com/LseKit/SequentialThinking.git
cd SequentialThinking
uv venv SeqThinkVenV --python 3.12
uv pip install -r GitHubSrc/Requirements.txt
mkdir -p Config && cp GitHubSrc/.env.example Config/.env && chmod 600 Config/.env
mkdir -p Ecosystem && cp GitHubSrc/ecosystem.config.example.js Ecosystem/ecosystem.config.js
pm2 start Ecosystem/ecosystem.config.js && pm2 save

验证

pm2 status SequentialThinking
ss -tlnp | grep 20010
cd GitHubSrc && python3 -m pytest Tests/ -q

📖 完整部署见项目部署手册

---

🧰 26 个 MCP 工具

会话管理（8 个）

工具	作用
start_thinking	创建推理会话，返回复杂度评估（easy/medium/hard）和推荐模板
add_step	添加推理步骤（analysis/hypothesis/verification/conclusion），返回质量评分
update_step	修改已有步骤的内容或类型
review_thinking	获取完整思维链（linear/tree/summary 三种视图）
branch_thinking	从指定步骤创建替代分支，探索不同推理路径
merge_insights	合并主分支和多分支的洞察为统一结论
complete_session	手动标记会话为 completed 状态
delete_session	级联删除会话及其所有关联数据

质量控制（3 个）

工具	作用
validate_logic	检测逻辑谬误（无支撑结论、未验证假设、循环论证）
evaluate_quality	5 维质量评估（一致性/完整性/严谨性/创新性/可操作性）+ LLM↔启发式交叉验证
detect_biases	检测过度自信、过度简化、锚定效应等 5 种认知偏见

管理（4 个）

工具	作用
export_session	导出为 Markdown / JSON / Text
list_sessions	按状态和标签筛选会话列表
search_sessions	FTS5 全文检索（jieba 中文分词）
get_metrics	按日/周/月统计推理指标

增强（11 个）

工具	作用
compare_sessions	Jaccard 相似度对比两会话
suggest_next	上下文感知的下一步建议
rewrite_query	LLM 优化问题表述
visualize_thinking	Mermaid 流程图导出
replay_thinking	逐步回放推理过程
auto_tag	LLM 自动生成标签
moa_analyze	MoA 多轮投票分析
add_connection	步骤间添加推理链路
detect_contradictions	双引擎自相矛盾检测
extract_assumptions	LLM 提取隐含假设
update_tags	替换会话标签

Resources & Prompts

• config://server — 服务配置信息
• thinking://templates/catalog — 9 种思维模板目录
• problem_breakdown — 问题分解提示
• critical_analysis — 批判性分析提示
• synthesis_prompt — 综合结论提示

---

🧪 测试

cd GitHubSrc
python3 -m pytest Tests/ -v    # 192 全量

模块	数量
Core Models/Templates/Context	48
Utils Logger	6
Handlers Helpers	24
HeuristicEngine	26
LLMEngine + MoA	36
Storage + FTS5 中文	52
总计	192

---

📄 MIT 许可证

© 2026 小逸 (LseKit)

MIT License

Copyright (c) 2026 小逸 (LseKit)

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in
all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.

允许：商业使用、修改、分发、私人使用。唯一要求：保留原始版权声明。

---

设计和开发：小逸 · 欢迎提交 Issue 或 PR