香农思维

一个展示克劳德·香农系统性问题解决方法的MCP服务器。该服务器提供工具帮助将复杂问题分解为结构化思维，遵循香农的问题定义、数学建模和实际实施的方法论。

概述

被誉为信息论之父的克劳德·香农通过系统化的方法论处理复杂问题：

1. 问题定义：将问题剥离至其基本要素
2. 约束条件：识别系统限制和边界
3. 建模：建立数学/理论框架
4. 证明/验证：通过形式化证明或实验测试进行验证
5. 实施/实验：设计并测试实际解决方案

该MCP服务器将这一方法论作为工具，通过这些阶段引导系统性问题解决。

安装

NPX

{
  "mcpServers": {
    "shannon-thinking": {
      "command": "npx",
      "args": [
        "-y",
        "server-shannon-thinking@latest"
      ]
    }
  }
}

使用

该服务器提供一个名为shannonthinking的工具，按照香农的方法论结构化问题解决思维。

每个思维必须包括：

• 实际思维内容
• 类型（问题定义/约束/模型/证明/实施）
• 思维编号和总思维估计数
• 置信度水平（不确定性：0-1）
• 对先前思维的依赖
• 明确假设
• 是否需要另一个思维步骤

附加功能：

• 修订：随着理解的演变，思维可以修订早期步骤
• 重新检查：用新信息标记需要重新检查的步骤
• 实验验证：支持经验测试与形式化证明并行
• 实施说明：实际限制和提出的解决方案

使用示例

const thought = {
  thought: "核心问题可以定义为信息流优化",
  thoughtType: "problem_definition",
  thoughtNumber: 1,
  totalThoughts: 5,
  uncertainty: 0.2,
  dependencies: [],
  assumptions: ["系统具有有限容量", "信息流是连续的"],
  nextThoughtNeeded: true,
  // 可选：标记为早期定义的修订
  isRevision: false,
  // 可选：指示步骤需要重新检查
  recheckStep: {
    stepToRecheck: "constraints",
    reason: "发现新的容量限制",
    newInformation: "系统显示非线性扩展"
  }
};

// 使用MCP客户端
const result = await client.callTool("shannonthinking", thought);

特性

• 迭代问题解决：随着理解的演变支持修订和重新检查
• 灵活验证：结合形式化证明与实验验证
• 依赖跟踪：明确跟踪思维如何建立在先前思维之上
• 假设管理：要求清晰记录假设
• 置信度水平：量化每个步骤中的不确定性
• 丰富反馈：带有颜色编码、符号和验证结果的格式化控制台输出

开发

# 安装依赖
npm install

# 构建
npm run build

# 运行测试
npm test

# 开发期间的监视模式
npm run watch

工具架构

该工具接受具有以下结构的思维：

interface ShannonThought {
  thought: string;
  thoughtType: "problem_definition" | "constraints" | "model" | "proof" | "implementation";
  thoughtNumber: number;
  totalThoughts: number;
  uncertainty: number; // 0-1
  dependencies: number[];
  assumptions: string[];
  nextThoughtNeeded: boolean;
  
  // 可选修订字段
  isRevision?: boolean;
  revisesThought?: number;
  
  // 可选重新检查字段
  recheckStep?: {
    stepToRecheck: ThoughtType;
    reason: string;
    newInformation?: string;
  };
  
  // 可选验证字段
  proofElements?: {
    hypothesis: string;
    validation: string;
  };
  experimentalElements?: {
    testDescription: string;
    results: string;
    confidence: number; // 0-1
    limitations: string[];
  };
  
  // 可选实施字段
  implementationNotes?: {
    practicalConstraints: string[];
    proposedSolution: string;
  };
}

使用场景

这种思维模式特别适用于：

• 复杂系统分析
• 信息处理问题
• 工程设计挑战
• 需要理论框架的问题
• 优化问题
• 需要实际实施的系统
• 需要迭代改进的问题
• 实验验证补充理论的情况