Cuba Thinking

MCP运维云端

提供方 LeandroPG19

运维云端 未标注 无需鉴权 社区 / 第三方

一个增强AI推理能力的认知引擎,具有6阶段认知流程、9层抗幻觉机制和8信号过程奖励模型,适用于本地化AI代理的深度推理任务。

一句话选型结论

按资料字段整理

Cuba Thinking 属于运维云端类 MCP 服务器,传输方式未标注,无需鉴权,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 6 仓库热度,无公开仓库时显示未标注
工具数 3 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量3暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

AI推理Rust本地部署认知引擎抗幻觉过程奖励模型本地AI

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 3 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 3 个工具,职责相对集中,接入后不容易误操作。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Cuba Thinking当前 3 未标注 未标注 无 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方LeandroPG19上游标注的维护方 LeandroPG19
分类运维云端本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

24.0 KB
来自项目仓库与上游目录的原文,未做删改

🧠 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```bash

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:```json
{
"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:```bash
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:```json
{
"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(\<45%)

3. analyze_reasoning --链分析

分析多步骤推理链的连贯性、矛盾性、新颖性衰减和基础质量。

参数:

参数 类型 说明
thoughts string[] 按顺序分析的推理步骤数组
context string 检查接地的可选假设

六个认知阶段

基于布鲁姆修订的分类学(Anderson&Krathwohl,2001):```
DEFINE ──→ RESEARCH ──→ ANALYZE ──→ HYPOTHESIZE ──→ VERIFY ──→ SYNTHESIZE
📋 🔍 🔬 💡 ✅ 🎯


|阶段|焦点|置信区间|增强维度|
|-------|-------|:----------------:|:-----------------:|
|定义|明确范围、要求|0.30-0.60|清晰度(2×)|
|研究|探索选项,收集数据|0.30-0.70|广度(3×)|
|分析|评估权衡,比较|0.40–0.80|深度(3×)|
|假设|提出解决方案,预测|0.50-0.85|逻辑(3×)|
|验证|测试、验证、确认|0.60–0.90|逻辑(3×)|
|综合|总结、推荐、概括|0.70–0.95|可操作性(3×)|

______________________________________________________________________

## 9层抗幻觉

零LLM电话。所有验证都在本地运行:

|#|图层|方法|
|:-:|-------|--------|
| 1 | **假设跟踪** |对所有想法进行推理|
| 2 | **置信度校准** |每个阶段的预期范围,贝叶斯与PRM证据的融合|
| 3 | **验证链(CoVe)** |自我验证关键字+问题检测(Dhuliawala等人,2023)|
| 4 | **证据累积** |标记不受支持的信心增加(Wald,1945)|
| 5 | **索赔柜台** |每句话都有可验证的断言|
| 6 | **电源接地** |每项索赔的邻近性检查——±1个相邻句子中的证据|
| 7 | **EWMA阈值** |具有预算意识的MCTS拒绝,并设有对冲拒绝区|
| 8 | **矛盾旗** |内部矛盾检测|
| 9 | **热身警卫** |抑制想法的误报1-2|

**反过度思考(R10):** 检测停滞(3+类似的EWMA)、疲劳(3+连续下降)和模式崩溃(转述被拒绝的想法)。触发提前停车信号。

**信任评分:**```text
trust = quality×0.40 + evidence×0.20 + grounding×0.20 + calibrated×0.10 + ewma_ok×0.10

EWMA步骤奖励——Softmax门控注意力(V9)

通过softmax(τ=0.5)和CUSUM变化点检测进行动态加权的6信号复合:```text
EWMA_t = α · reward_t + (1 - α) · EWMA_{t-1}
α = max(2/(n+1), α_floor) — budget-aware floor

Softmax Gated Attention (V9):
w_i = prior_i × exp(|x_i - μ| / τ) — signals deviating from mean get higher weight
reward = Σ(normalize(w_i) × x_i)

CUSUM change-point detection (V9):
S_t = max(0, S_{t-1} + (x_t - μ) - k) — cumulative sum, k=0.05, h=0.15
Change detected when S_t > 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\&lt;2%
- **疲劳检测**:连续3次质量下降
- **CUSUM崩溃检测(V9)**:无滞后质量下降跟踪
- **过程优势验证器(PAV)**:衡量相对于基线的优势
- **奖励一致性(N3)**:PRM↔EWMA散度&gt;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):```text
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\<0.5且检测到>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:

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:&quot;verify&quot;) 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```text

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\<40%
谬误警告 草率概括或错误二分法
辩证警告 在没有反驳的情况下进行验证/综合
反过度思考 3+停滞或疲劳的想法
MCTS回溯 EWMA\<思考后的阈值#3
循环推理 Tarjan SCC在GoT中发现循环
深度退化 质量。深度下降>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 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 网络搜索——研究、抓取、验证、文档查找
古巴执行官 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 --免费使用和修改, 非商业用途.


作者

莱安德罗·佩雷斯G。

  • github: @LeandroPG19
  • 电子邮件: leandropatodo@gmail.com

常见问题

5 问
答案由本站依据条目字段整理,不引用上游原文
Cuba Thinking 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Cuba Thinking 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Cuba Thinking 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Cuba Thinking 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Cuba Thinking 能提供哪些能力?

资料显示约 3 个工具;能力标签包括 本地AI、Rust、云端部署。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。