Mind Map

🚀 思維導圖MCP服務器v1.22.0

實驗性代碼智能平臺 - 一個採用模型上下文協議（MCP）的服務器，探索受神經科學啟發的軟件開發分析方法。這是一個實驗性研究項目，具備高級查詢緩存、聯想學習模式、上下文感知、注意力機制、時態知識建模和代碼分析工具等特性。

🚀 快速開始

安裝與設置

從npm快速安裝

# 全局安裝
npm install -g mind-map-mcp

# 或者在項目中本地安裝
npm install mind-map-mcp

與Claude Code集成

1. 自動設置（推薦）

使用以下命令可輕鬆將思維導圖MCP與Claude Code集成：

# 運行自動設置工具
npx mind-map-mcp init-claude-code

# 若已全局安裝
mind-map-mcp init-claude-code

此操作會自動完成以下任務：

• ✅ 檢測你的操作系統和Claude安裝情況
• ✅ 創建包含正確路徑的配置文件
• ✅ 提供特定平臺的設置說明
• ✅ 包含驗證命令和故障排除信息

2. Claude桌面手動設置

若你傾向於手動配置，可在Claude桌面配置文件中添加以下內容：

• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%/Claude/claude_desktop_config.json
• Linux：~/.config/claude-desktop/config.json

{
  "mcpServers": {
    "mind-map-mcp": {
      "command": "npx",
      "args": ["mind-map-mcp"],
      "env": {}
    }
  }
}

3. 環境變量配置

你可以使用MCP_PROJECT_ROOT環境變量來配置MCP服務器，使其與特定項目目錄配合使用：

{
  "mcpServers": {
    "mind-map-mcp": {
      "command": "npx",
      "args": ["mind-map-mcp"],
      "env": {
        "MCP_PROJECT_ROOT": "/path/to/your/project"
      }
    }
  }
}

此配置的作用如下：

• 讓MCP掃描並緩存指定項目目錄中的文件
• 在目標項目中創建.mindmap-cache文件夾
• 使用特定項目的配置和思維導圖數據
• 允許獨立處理多個項目

使用示例：

// 針對特定項目
"env": {
  "MCP_PROJECT_ROOT": "/Users/yourname/projects/my-app"
}

// 針對演示或測試項目
"env": {
  "MCP_PROJECT_ROOT": "/Users/yourname/projects/demo-project"
}

若不設置此變量，MCP將使用啟動MCP服務器時的當前工作目錄。

4. 驗證安裝

設置完成後，重啟Claude並驗證集成情況：

1. 檢查MCP工具：在Claude中，你應能看到33個新的MCP工具。
2. 測試基本功能：在Claude中嘗試以下命令：

請掃描當前項目並顯示統計信息。

3. 測試功能：嘗試使用實驗性功能：

請分析項目架構。

與Claude Code配合使用

安裝完成後，你可以在Claude中嘗試以下命令：

示例工作流程

# 從基本掃描開始：
請掃描項目並獲取初始統計信息。

# 探索分析功能：
請分析項目結構並建議關注領域。

# 測試學習功能：
請使用[任務描述]的信息更新思維導圖。

🔬 實驗性分析功能

# 赫布學習 - “一起放電的神經元會連接在一起”
請顯示赫布學習統計信息和頂級共激活模式。

# 分層上下文 - 多級感知
請獲取分層上下文統計信息和最相關的上下文項。

# 注意力系統 - 動態焦點分配
請顯示注意力系統統計信息並將注意力分配到重要節點。

# 雙時態知識 - 有效時間與交易時間跟蹤
請獲取雙時態統計信息併為此會話創建上下文窗口。

# 模式預測 - 預測智能
請獲取模式預測並顯示新興模式。

高級智能功能

# 獲取架構見解
請分析項目架構並檢測設計模式。

# 查找跨語言依賴項
請檢測此多語言項目中的跨語言依賴項。

# 獲取智能重構建議
請生成專注於架構的多語言重構建議。

# 預測新興代碼模式
請分析並預測可能出現的代碼模式。

開發工具集成

# 檢測可用工具
請檢測此項目中所有可用的開發工具。

# 運行全面分析
請運行完整的工具套件並提供彙總結果。

# 獲取工具推薦
請推薦對該項目有益的缺失開發工具。

🔍 驗證清單

✅ 安裝：npm list -g mind-map-mcp 顯示該軟件包 ✅ Claude集成：Claude中可見33個MCP工具 ✅ 基本功能：scan_project 命令正常工作 ✅ 高級功能：受大腦啟發的工具響應正確 ✅ 多語言支持：AST分析適用於你的語言

🔧 故障排除

常見問題：

1. “未顯示MCP工具” → 配置後重啟Claude
2. “命令未找到” → 確保npm全局安裝路徑已添加到PATH環境變量中
3. “權限被拒絕” → 運行 npm config get prefix 並檢查權限
4. “服務器無響應” → 檢查Claude桌面配置文件的語法

獲取幫助：

• 📖 查看 QUICK_USAGE.md 獲取工作流示例
• 📖 閱讀 CLAUDE_CODE_SETUP.md 獲取詳細設置說明
• 🐛 在 https://github.com/nerfels/mind-map/issues 報告問題

✨ 主要特性

🧠 受大腦啟發的智能（階段6）

• 聯想記憶系統：神經激活在相關代碼概念間傳播（相關性提高50 - 70%）
• 上下文感知查詢緩存：基於相似度匹配的智能緩存（重複查詢性能提升5 - 10倍）
• 並行處理引擎：通過工作池編排進行分塊文件分析（項目掃描速度提高3 - 5倍）
• 神經形態查詢模式：用類似大腦的聯想激活網絡取代線性搜索
• 智能緩存失效：基於路徑的選擇性緩存清除，具備LRU淘汰機制和100MB內存管理
• 赫布學習系統：通過突觸強化跟蹤共激活（“一起放電的神經元會連接在一起”）
• 抑制性學習：通過負模式識別避免失敗（重複錯誤減少30%）
• 分層上下文管理：多級上下文感知（即時、會話、項目、領域）
• 注意力機制：多模式注意力融合，具備認知負載管理（米勒的7±2法則）
• 雙時態知識模型：跟蹤有效時間和交易時間，具備完整審計跟蹤
• 模式預測引擎：使用時間序列分析和預測預報在代碼模式出現之前進行預測

🚀 內存優化（v1.15.0）

• 變量懶加載：智能內存管理，變量節點內存使用減少40.3%
• 智能過濾：僅立即加載關鍵變量（導出的、全局的、使用頻率超過5次的變量）
• 摘要節點系統：為數千個變量創建包含懶加載變量元數據的單個節點
• 按需加載：基於模式的變量查詢平均檢索時間為8ms
• 完整功能保留：在大幅減少內存佔用的同時，保留所有變量查詢功能
• 自動優化：無需配置 - 自動檢測重要變量和可懶加載變量

📊 高級調用模式分析（v1.1.5）

• 函數調用圖構建：完整的調用圖分析，包括入口點、循環和深度計算
• 構造函數調用檢測：準確檢測類實例化和構造函數模式
• 方法調用分析：全面跟蹤方法調用和鏈式模式
• 異步/等待模式識別：全面支持異步調用模式檢測
• 遞歸檢測：自動識別遞歸函數和調用循環
• 代碼風格識別：全面分析命名約定和風格模式
• 複雜度計算：通過回調函數和控制流分析增強圈複雜度計算
• 跨文件模式解析：高級解析跨多個文件的調用模式

🚀 CI/CD管道基礎設施（v1.1.5）

• 自動化測試：具備多語言AST驗證的全面測試套件
• 安全掃描：通過npm審計集成實現自動化漏洞檢測
• 性能監控：持續進行性能基準測試，設置警報閾值
• 代碼質量分析：監控包大小、分析風格並生成質量報告
• 發佈自動化：通過GitHub發佈工作流實現自動化NPM發佈
• 維護工作流：更新依賴項、進行健康檢查和系統監控
• 拉取請求驗證：驗證PR標題、進行影響分析和全面測試

📁 增強型文件忽略配置（v1.6.0）

• 多源模式加載：智能合併默認模式、.gitignore、.mindmapignore 和自定義配置
• 即時模式測試：即時驗證模式，顯示性能指標和文件匹配預覽
• 模式分析與統計：全面統計模式有效性、掃描時間減少和過濾效率
• 智能默認模式：為常見文件類型提供30種智能默認模式（如 node_modules、構建工件等）
• 配置管理API：3個新的MCP工具用於動態更新和測試模式
• 開發者友好界面：熟悉的 .gitignore 語法，具備增強功能和優先級規則
• 性能優化：文件過濾效率提高33%，模式加載時間為8 - 12ms，提升掃描性能
• 特定框架模式：針對特定語言和框架的忽略模式（如 *.pyc、*.class、target/、dist/）

🧠 高級代碼智能

• 多語言AST分析：全面解析12種語言（TypeScript/JavaScript、Python、Java、Go、Rust、C++、PHP、C#、Ruby、Swift、Kotlin、Scala），並提取函數/類
• 動態導入檢測：跟蹤運行時導入，包括 import() 調用、require() 語句、模板字面量和基於變量的模塊加載，適用於現代JavaScript/TypeScript應用程序
• 方法調用鏈分析：高級跟蹤調用序列，遵循A→B→C→D執行路徑，深度可達10級，具備性能影響評估和風險分析
• 變量使用跟蹤：全面跟蹤變量聲明、使用和修改模式，跨文件進行生命週期分析和跨模塊依賴檢測
• 跨語言依賴檢測：識別跨語言的API調用、FFI、微服務和共享數據模式
• 多語言項目分析：檢測架構風格，提供多語言建議
• 企業框架檢測：檢測React、Vue、Express、Django、Flask、Spring Boot、Laravel、ASP.NET、Rails、SwiftUI、Android、Akka等60多個框架
• 架構模式檢測：7種模式類型，具備多語言互操作性分析
• 預測性錯誤檢測：基於特定語言模式匹配的風險分析系統
• 智能修復建議：具備上下文感知的建議，提供跨語言見解

🔧 集成開發工具

• 100多個開發工具：跨12種語言的完整工具生態系統，具備智能檢測功能
• 智能工具執行：運行測試、代碼檢查器、格式化工具和安全掃描器，並解析問題
• 智能推薦：為缺失的工具提供安裝命令建議
• 工具套件編排：並行運行多個工具，提供彙總結果
• 問題分類：解析並分類工具輸出，提供可操作的見解
• 思維導圖集成：將工具結果存儲為節點/邊，用於學習和關聯分析

🎯 增強型框架檢測

• 25多個框架檢測：全面分析6個類別中的框架，具備置信度評分
• Web框架：檢測React、Vue、Angular、Express、Django、Flask、Spring Boot、Next.js、Nuxt.js
• 移動框架：檢測React Native、Flutter、Xamarin，進行特定平臺模式分析
• 桌面框架：檢測Electron、Tauri、Qt，分析配置和構建系統
• 遊戲引擎：檢測Unity、Unreal Engine、Godot，分析項目結構和腳本
• ML/AI框架：檢測TensorFlow、PyTorch、scikit-learn，分析使用模式
• 雲平臺：檢測Docker、Kubernetes，分析清單和部署模式

📚 高級學習系統

• 任務結果學習：跟蹤成功/失敗模式，具備置信度評分
• 錯誤模式識別：對錯誤進行分類並映射到成功解決方案
• 跨會話智能：在Claude Code會話之間保留知識
• 性能學習：根據使用模式進行自適應優化
• 解決方案有效性跟蹤：衡量並提高推薦質量

🔍 企業查詢系統

• 類似Cypher的圖查詢：具備複雜過濾和關係的高級查詢
• 時態分析：跟蹤代碼演變和變更影響分析
• 聚合分析：提供項目見解、指標和趨勢分析
• 語義搜索：多因素相關性評分，具備置信度加權
• 保存查詢：為常見分析模式提供模板系統

⚡ 性能與可擴展性

• 多索引存儲：針對類型、路徑、名稱、置信度、框架、語言進行優化索引
• LRU緩存：通過智能緩存管理優化內存
• 性能監控：即時監控操作時間和檢測瓶頸
• 查詢優化：執行計劃和索引提示，用於複雜查詢

📦 安裝指南

# 克隆或創建項目
npm install

# 構建服務器
npm run build

# 測試安裝
npm start

💻 使用示例

基本用法

{
  "name": "scan_project",
  "arguments": {
    "force_rescan": false,
    "include_analysis": true,
    "ast_analysis": true
  }
}

高級用法

{
  "name": "advanced_query", 
  "arguments": {
    "query": "MATCH (f:file)-[:contains]->(func:function) WHERE func.name CONTAINS 'auth' RETURN f.path, func.name",
    "limit": 10
  }
}

{
  "name": "predict_errors",
  "arguments": {
    "file_path": "src/auth/login.ts",
    "context": "implementing OAuth integration"
  }
}

🔧 技術細節

工作原理

1. 高級項目分析

服務器進行全面掃描，併為以下內容創建節點：

• 文件和目錄：包含元數據的完整項目結構
• AST元素：函數、類、接口、導入/導出，具備完整簽名
• 架構模式：7種模式類型，具備置信度評分
• 框架檢測：檢測React、Vue、Express、Django、Flask、pandas、NumPy等
• 錯誤模式：對歷史錯誤進行分類並映射解決方案

2. 多語言AST解析

全面支持12種主要編程語言：

• 原始語言：
  • TypeScript/JavaScript：通過TypeScript編譯器API進行完整的AST解析，提取函數/類
  • Python：通過子進程執行進行完整的AST解析，提取函數、類、裝飾器
  • Java：使用java-parser進行完整的AST解析，提取類、方法、註解，檢測Spring Boot
  • Go：進行Go AST解析，提取結構體/接口/函數，檢測框架
  • Rust：進行Rust AST分析，提取結構體/特徵/實現，映射crate依賴
  • C/C++：進行C++解析，提取類/函數/模板，分析構建系統
• 新增語言（v1.1.4）：
  • PHP：進行完整的AST解析，提取類/方法，檢測Laravel/Symfony框架
  • C#：進行完整的AST解析，檢測ASP.NET/Entity Framework，分析命名空間
  • Ruby：進行Ruby AST解析，提取類/方法，檢測Rails/Sinatra框架
  • Swift：進行Swift AST解析，檢測UIKit/SwiftUI框架，分析協議
  • Kotlin：進行Kotlin AST解析，檢測Android/Compose框架，分析協程
  • Scala：進行Scala AST解析，檢測Akka/Play框架，分析特徵

3. 受大腦啟發的智能（階段6） 🧠

將革命性的神經形態計算原理應用於代碼智能：

• 聯想記憶網絡：用神經激活傳播取代線性搜索（相關性提高50 - 70%）
• 上下文感知緩存：基於相似度匹配的智能緩存，具備LRU淘汰機制（性能提升5 - 10倍）
• 並行處理引擎：通過工作池編排進行分塊分析（掃描速度提高3 - 5倍）
• 神經形態查詢模式：類似大腦的激活模式，跨越相關代碼概念
• 智能內存管理：100MB緩存，基於路徑的失效機制和指數衰減
• 情景記憶系統（NEW v1.1.4）：存儲和檢索編程經驗，相似度匹配準確率達77.1%，基於經驗的建議置信度達81.1%

4. 智能學習系統

在你使用Claude Code時，服務器會：

• 跟蹤任務結果：跟蹤成功/失敗模式，調整置信度
• 映射錯誤解決方案：對錯誤進行分類並關聯成功修復方案
• 構建模式識別：識別框架使用、命名約定、架構見解
• 優化性能：使用LRU緩存和多索引存儲，加快查詢速度

5. 企業查詢引擎

高級查詢功能包括：

• 類似Cypher的語法：具備過濾和聚合的複雜圖遍歷
• 語義搜索：多因素相關性評分（精確匹配、路徑、置信度、近期性）
• 時態分析：跟蹤代碼演變和評估變更影響
• 預測分析：評估錯誤風險並提供修復建議引擎

6. 跨會話智能

所有學習成果都本地持久化，具備以下特性：

• 圖數據庫：以JSON格式存儲節點、邊和關係
• 性能監控：監控操作時間和檢測瓶頸
• 查詢優化：執行計劃和索引提示
• 緩存管理：LRU淘汰和智能內存優化

數據存儲

思維導圖數據本地存儲在你的項目目錄中：

your-project/
├── .mindmap-cache/
│   └── mindmap.json          # 序列化的知識圖
└── ... (your project files)

📄 許可證

本項目採用MIT許可證，詳情請參閱LICENSE文件。

⚠️ 重要提示

這是為研究和測試目的而開發的實驗性軟件，使用了模型上下文協議（MCP）探索各種代碼分析和項目理解方法。

使用前請注意：

• 可能存在漏洞、功能不完善和重大變更
• 僅在非生產環境中使用
• 在大量使用前備份你的項目
• 報告問題並提供反饋，以幫助改進項目

使用場景：

• 使用Claude Code改進編碼工作流程 - 增強項目理解和上下文感知
• 嘗試MCP服務器開發
• 測試代碼分析和模式檢測方法
• 研究替代編程輔助工具
• 學習AST解析和項目結構分析

📋 版本歷史

v1.4.0 (當前) 🚀

• ✅ 增強型查詢系統：核心查詢功能全面改進
• ✅ 多詞查詢支持：完美處理“思維導圖”、“模式分析”等查詢
• ✅ 語義語言映射：“typescript”可找到 .ts 文件，“javascript”可找到 .js 文件
• ✅ 精確文件路徑匹配：直接查詢文件，如 “src/core/MindMapEngine.ts”
• ✅ 高級駝峰命名處理：全面支持駝峰命名、帕斯卡命名和混合大小寫查詢
• ✅ 改進的時態查詢：增強基於時間的分析，具備演變指標
• ✅ 更強大的高級查詢引擎：類似Cypher的語法改進，用於複雜圖查詢
• ✅ 增強型聚合查詢：改進分組和字段提取，用於統計分析

v1.3.1

• ✅ 修復Java代碼結構識別問題：解決Java類/方法提取問題
• ✅ 增強Java AST解析：完整的Java文件代碼智能，具備正確的節點分離

v1.1.5

• ✅ 高級調用模式分析：完整的函數調用圖構建，測試成功率達100%
• ✅ 構造函數調用檢測：準確識別類實例化和構造函數模式
• ✅ 增強複雜度計算：通過回調函數和控制流改進圈複雜度計算
• ✅ 代碼風格識別：全面分析命名約定和風格模式（駝峰命名、帕斯卡命名、蛇形命名）
• ✅ CI/CD管道基礎設施：通過測試、安全掃描和性能監控實現完整自動化
• ✅ 發佈自動化：通過GitHub發佈工作流實現自動化NPM發佈
• ✅ 拉取請求驗證：全面的PR檢查，具備影響分析和質量關卡

v1.1.4

• ✅ 12種編程語言 + 情景記憶系統
• ✅ 增加對PHP、C#、Ruby、Swift、Kotlin和Scala的全面支持
• ✅ 完整的AST解析和框架檢測
• ✅ 受大腦啟發的情景記憶，相似度匹配準確率達77.1%

v1.1.0 - 1.1.3

• ✅ 多模式置信度融合和受大腦啟發的智能平臺
• ✅ 性能優化和緩存改進
• ✅ 增強查詢描述，具備語義搜索功能

v1.0.1

• ✅ 增強README，包含全面的Claude Code集成指南
• ✅ 添加分步安裝說明
• ✅ 包含使用示例和工作流指南
• ✅ 添加故障排除部分和驗證清單

v1.0.0

• ✅ 完整的受大腦啟發的智能系統
• ✅ 企業級可擴展性和用戶自定義
• ✅ 組織良好的測試套件，具備正確結構
• ✅ 33個高級MCP工具全部可用
• ✅ 多語言支持（6種語言）
• ✅ 集成80多個開發工具

🔮 未來路線圖

• 可視化界面：思維導圖可視化和探索
• 團隊共享：協作知識庫
• IDE集成：VS Code、IntelliJ、Vim插件
• 高級機器學習：增強神經模式識別

貢獻指南

1. 分叉倉庫
2. 創建功能分支
3. 進行更改
4. 如有必要，添加測試
5. 提交拉取請求

支持

• 在GitHub上報告問題
• 查看docs/中的故障排除指南
• 查看API文檔以獲取集成詳細信息