Chain Of Draft

🚀 鏈式草稿 (CoD) MCP 服務器

本項目實現了鏈式草稿（Chain of Draft, CoD）推理方法，該方法允許大語言模型（LLM）生成簡潔但信息豐富的中間推理步驟，在解決任務時能顯著降低令牌使用量，正如《鏈式草稿：通過寫作減少思考》論文中所描述的。

🚀 快速開始

本MCP服務器實現了《鏈式草稿：通過寫作減少思考》論文中描述的鏈式草稿（CoD）推理方法。CoD是一種新穎的方法，可讓大語言模型（LLM）生成簡潔且信息豐富的中間推理步驟，在解決任務時顯著降低令牌使用量。

✨ 主要特性

• AnalyticsService：跟蹤不同領域和推理方法的性能指標。
• ComplexityEstimator：分析問題以確定合適的單詞限制。
• ExampleDatabase：管理和檢索示例，並將思維鏈（CoT）示例轉換為鏈式草稿（CoD）格式。
• FormatEnforcer：確保推理步驟符合單詞限制。
• ReasoningSelector：根據問題特徵和歷史性能智能選擇CoD或CoT。

📦 安裝指南

Python 實現

1. 環境配置
   • 下載並安裝Python 3.8及以上版本。
   • 安裝所需的依賴項，例如anthropic, dotenv等。
2. 代碼實現

from client import ChainOfDraftClient

# 創建客戶端
cod_client = ChainOfDraftClient()

# 直接使用
result = await cod_client.solve_with_reasoning(
    problem="求解：247 + 394 = ?",
    domain="數學"
)

print(f"答案：{result['final_answer']}")
print(f"推理步驟：{result['reasoning_steps']}")
print(f"使用的令牌數：{result['token_count']}")

JavaScript 實現

1. 環境配置
   • 下載並安裝Node.js 14及以上版本。
   • 安裝所需的依賴項，例如@anthropic-ai/sdk, dotenv等。
2. 代碼實現

import { Anthropic } from "@anthropic-ai/sdk";
import dotenv from "dotenv";

// 加載環境變量
dotenv.config();

// 創建Anthropic客戶端
const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

// 導入鏈式草稿客戶端
import chainOfDraftClient from './lib/chain-of-draft-client.js';

// 使用客戶端
async function solveMathProblem() {
  const result = await chainOfDraftClient.solveWithReasoning({
    problem: "求解：247 + 394 = ?",
    domain: "數學",
    max_words_per_step: 5
  });
  
  console.log(`答案：${result.final_answer}`);
  console.log(`推理步驟：${result.reasoning_steps}`);
  console.log(`使用的令牌數：${result.token_count}`);
}

solveMathProblem();

💻 使用示例

基礎用法

Python 客戶端

from client import ChainOfDraftClient

# 創建客戶端
cod_client = ChainOfDraftClient()

# 直接使用
result = await cod_client.solve_with_reasoning(
    problem="求解：247 + 394 = ?",
    domain="數學"
)

print(f"答案：{result['final_answer']}")
print(f"推理步驟：{result['reasoning_steps']}")
print(f"使用的令牌數：{result['token_count']}")

JavaScript 客戶端

import { Anthropic } from "@anthropic-ai/sdk";
import dotenv from "dotenv";

// 加載環境變量
dotenv.config();

// 創建Anthropic客戶端
const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

// 導入鏈式草稿客戶端
import chainOfDraftClient from './lib/chain-of-draft-client.js';

// 使用客戶端
async function solveMathProblem() {
  const result = await chainOfDraftClient.solveWithReasoning({
    problem: "求解：247 + 394 = ?",
    domain: "數學",
    max_words_per_step: 5
  });
  
  console.log(`答案：${result.final_answer}`);
  console.log(`推理步驟：${result.reasoning_steps}`);
  console.log(`使用的令牌數：${result.token_count}`);
}

solveMathProblem();

🔧 技術細節

Python 實現

1. AnalyticsService：跟蹤性能指標，跨越不同領域和推理方法。
2. ComplexityEstimator：分析問題以確定適當的單詞限制。
3. FormatEnforcer：確保推理步驟符合單詞限制。
4. ReasoningSelector：根據問題特徵和歷史性能自動選擇CoD或CoT。

JavaScript 實現

1. analyticsDb：內存數據庫，用於跟蹤性能指標。
2. complexityEstimator：分析問題以確定複雜性和適當的單詞限制。
3. formatEnforcer：確保推理步驟符合單詞限制。
4. reasoningSelector：根據問題特徵和歷史性能自動選擇CoD或CoT。

兩種實現遵循相同的核心原則，並提供相同的MCP工具，使得它們在大多數用例中可以互換使用。

📄 許可證

本項目採用MIT許可證，你可以自由地使用、修改和分發代碼。

🤝 貢獻指南

歡迎貢獻！請參考CONTRIBUTING.md瞭解如何為該項目做出貢獻。

❓ 問題報告

在使用過程中遇到問題？請提交到GitHub Issues，我們會盡快解決。

📚 參考資料

• Chain of Thought論文
• Anthropic API 文檔
• dotenv 官方文檔