RAT (Retrieval Augmented Thinking)

🚀 深度思維-思考克勞德3.5-十四行詩-CLINE-MCP

本項目是一個結合了深度思維R1推理能力和克勞德3.5十四行詩回應生成能力的模型上下文協議（MCP）服務器，通過OpenRouter實現。它採用兩階段過程，先由深度思維進行結構化推理，再將推理結果融入克勞德的回應生成中，為用戶提供更智能、全面的對話體驗。

🚀 快速開始

本項目可通過Smithery自動安裝，也支持手動安裝，以下為你詳細介紹安裝步驟：

使用Smithery安裝

通過Smithery自動為Claude Desktop安裝深度思維思考與克勞德3.5十四行詩：

npx -y @smithery/cli install @newideas99/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP --client claude

手動安裝

1. 克隆倉庫：

git clone https://github.com/yourusername/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP.git
cd Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP

2. 創建並激活虛擬環境（可選但推薦）：

python -m venv env
source env/bin/activate  # 在Linux/Mac上
env\Scripts\activate      # 在Windows上

3. 安裝依賴項：

pip install -r requirements.txt

4. 運行服務器：

python app.py

✨ 主要特性

兩階段處理

• 使用深度思維R1進行初始推理（50k字符上下文）。
• 使用克勞德3.5十四行詩進行最終回應（600k字符上下文）。
• 兩個模型均通過OpenRouter的統一API訪問。
• 將深度思維的推理令牌注入到克勞德的上下文中。

智能對話管理

• 使用文件修改時間檢測活動對話。
• 處理多個併發對話。
• 自動過濾已結束的對話。
• 在需要時支持上下文清除。

優化參數

• 模型特定上下文限制：
  • 深度思維：50,000字符用於專注推理。
  • 克勞德：600,000字符用於全面回應。
• 推薦設置：
  • temperature: 0.7（創造力平衡）。
  • top_p: 1.0（完整的概率分佈）。
  • repetition_penalty: 1.0（防止重複）。

💻 使用示例

推理階段（深度思維R1）

• 使用OpenRouter的推理令牌功能。
• 提示詞被修改以輸出'完成'，同時捕獲推理內容。
• 推理從響應元數據中提取。

回應階段（克勞德3.5十四行詩）

• 收到原始提示和深度思維的推理內容。
• 生成最終回應，結合推理內容。
• 維護對話上下文和歷史記錄。

📚 詳細文檔

開發

對於帶有自動重建的功能開發：

npm run watch

📄 許可證

本項目採用MIT License，有關詳細信息，請參閱LICENSE文件。

👥 貢獻者

本項目基於Skirano的概念RAT（檢索增強思考），該概念通過結構化推理和知識檢索增強了AI回應。