Ssd Ai

🚀 SSD-AI

SSD-AI 是一款基于模型上下文协议（MCP）的 AI 开发助手，提供 36 种专业工具，支持 TypeScript 和 Python，具备智能内存管理、代码分析和推理框架等功能，能助力开发者直观地完成复杂任务。

🚀 快速开始

Hi-AI 是一个实现了 模型上下文协议（MCP） 标准的 AI 开发助手。它通过自然语言关键词识别，提供 36 种专业工具，帮助开发者直观地执行复杂任务。

✨ 主要特性

• 自然语言交互：可通过韩语/英语关键词自动执行工具。
• 智能内存管理：利用 SQLite 进行上下文管理和压缩。
• 多语言支持：支持对 TypeScript、JavaScript 和 Python 代码进行分析。
• 性能优化：具备项目缓存系统。
• 企业级质量：拥有 100% 的测试覆盖率和严格的类型系统。
• 长任务支持：支持异步操作的任务管理。
• 大规模数据处理：基于游标进行分页操作。

📦 安装指南

系统要求

• Node.js 18.0 或更高版本
• TypeScript 5.0 或更高版本
• 兼容 MCP 的客户端（Claude Desktop、Cursor、Windsurf）
• Python 3.x（用于 Python 代码分析）

安装方法

NPM 包安装

# 全局安装
npm install -g @ssdeanx/ssd-ai

# 本地安装
npm install @ssdeanx/ssd-ai

Smithery 平台安装

# 一键安装
https://smithery.ai/server/@su-record/hi-ai

MCP 客户端配置

将以下内容添加到你的 Claude Desktop 或其他 MCP 客户端的配置文件中：

{
  "mcpServers": {
    "hi-ai": {
      "command": "hi-ai",
      "args": [],
      "env": {}
    }
  }
}

💻 使用示例

文档中未明确提及具体代码使用示例，可参考各工具的调用方式进行操作，如：

# 示例：调用保存内存工具
save_memory "需要保存的信息"

📚 详细文档

关键特性

1. 内存管理系统

有 10 个工具用于跨会话维护上下文：

• 智能存储：按类别对信息进行分类和优先级管理。
• 上下文压缩：基于优先级的上下文压缩系统。
• 会话恢复：完美重现之前的工作状态。
• 基于 SQLite：支持并发控制、索引和事务。

关键工具：

• save_memory - 将信息存储到长期内存中
• recall_memory - 搜索已存储的信息
• auto_save_context - 自动保存上下文
• restore_session_context - 恢复会话上下文
• prioritize_memory - 内存优先级管理

2. 语义代码分析

基于 AST 的代码分析和导航工具：

• 符号搜索：在项目中定位函数、类和变量的位置。
• 引用跟踪：跟踪特定符号的所有使用情况。
• 多语言支持：支持 TypeScript、JavaScript 和 Python。
• 项目缓存：通过 LRU 缓存优化性能。

关键工具：

• find_symbol - 搜索符号定义
• find_references - 查找符号引用

3. 代码质量分析

全面的代码指标和质量评估：

• 复杂度分析：包括圈复杂度、认知复杂度和 Halstead 指标。
• 耦合/内聚性：评估结构的合理性。
• 质量评分：采用 A - F 等级系统。
• 改进建议：提供可操作的重构建议。

关键工具：

• analyze_complexity - 复杂度指标分析
• validate_code_quality - 代码质量评估
• check_coupling_cohesion - 耦合/内聚性分析
• suggest_improvements - 改进建议
• apply_quality_rules - 应用质量规则
• get_coding_guide - 查找编码指南

4. 项目规划工具

系统的需求分析和路线图生成：

• PRD 生成：自动创建产品需求文档。
• 用户故事：编写包含验收标准的故事。
• MoSCoW 分析：对需求进行优先级排序。
• 路线图创建：逐步规划开发进度。

关键工具：

• generate_prd - 生成产品需求文档
• create_user_stories - 创建用户故事
• analyze_requirements - 需求分析
• feature_roadmap - 创建功能路线图

5. 顺序思维工具

支持结构化问题解决和决策：

• 问题分解：逐步分解复杂问题。
• 思维链：生成顺序推理过程。
• 多视角思考：包括分析性、创造性、系统性和批判性思维。
• 执行计划：将任务转换为可执行的计划。

关键工具：

• create_thinking_chain - 创建思维链
• analyze_problem - 问题分析
• step_by_step_analysis - 逐步分析
• break_down_problem - 问题分解
• think_aloud_process - 表达思维过程
• format_as_plan - 格式化计划

6. 提示工程

改进和优化提示质量：

• 自动增强：将模糊的请求转换为具体的请求。
• 质量评估：对清晰度、特异性和上下文相关性进行评分。
• 结构化：包括目标、背景、要求和质量标准。

关键工具：

• enhance_prompt - 增强提示
• analyze_prompt - 提示质量分析

7. 浏览器自动化

基于 Web 的调试和测试：

• 控制台监控：捕获浏览器控制台日志。
• 网络分析：跟踪 HTTP 请求和响应。
• 跨平台支持：支持 Chrome、Edge 和 Brave。

关键工具：

• monitor_console_logs - 监控控制台日志
• inspect_network_requests - 分析网络请求

8. UI 预览

在编码前可视化 UI 布局：

• ASCII 艺术：支持 6 种布局类型。
• 响应式预览：支持桌面和移动视图。
• 预审批：在编码前确认结构。

关键工具：

• preview_ui_ascii - ASCII UI 预览

9. 时间工具

支持各种格式的时间查询： 关键工具：

• get_current_time - 查询当前时间（ISO、UTC、时区等）

10. 任务和分页支持

支持长时间运行的操作和大规模数据处理：

• 任务：MCP 2025 - 11 - 25 实验性功能，用于管理长时间运行的任务。
• 分页：基于游标的分页，用于处理大型数据集。
• 异步操作：在后台执行复杂的分析任务。
• 状态跟踪：实时监控任务进度。

支持任务的工具：

• 语义分析：find_symbol、find_references
• 代码质量：analyze_complexity、check_coupling_cohesion、validate_code_quality、suggest_improvements
• 项目规划：analyze_requirements、feature_roadmap、generate_prd
• 推理/提示：apply_reasoning_framework、enhance_prompt_gemini

v1.6.0 更新

新特性（2025 - 01 - 27）

任务支持（实验性 MCP 特性）

长时间运行任务管理：

• 实现了 MCP 2025 - 11 - 25 任务规范。
• 在后台执行复杂的分析任务。
• 实时跟踪和监控任务状态。
• 基于 TTL 的自动清理（默认 5 分钟，最长 1 小时）。

任务 API：

• tasks/get - 查询任务状态
• tasks/result - 查询任务结果（等待完成）
• tasks/list - 列出所有任务（支持分页）
• tasks/cancel - 取消正在运行的任务
• notifications/tasks/status - 状态变更通知

支持任务的工具（11 个工具）：

• 语义分析：find_symbol、find_references
• 代码质量：analyze_complexity、check_coupling_cohesion、validate_code_quality、suggest_improvements
• 项目规划：analyze_requirements、feature_roadmap、generate_prd
• 推理/提示：apply_reasoning_framework、enhance_prompt_gemini

分页支持

基于游标的分页：

• 符合 MCP 规范的基于游标的实现。
• 高效处理大型列表。
• 通过不透明游标增强安全性。

支持的列表操作：

• tools/list - 工具列表（默认 20 项）
• resources/list - 资源列表
• prompts/list - 提示列表
• tasks/list - 任务列表

集成效果

• 异步操作支持：在后台执行复杂的分析任务。
• 大规模数据处理：通过分页提高内存效率。
• 实时监控：跟踪任务进度。
• 增强用户体验：在长时间操作期间可以执行其他任务。

工具目录

完整工具列表（36 个工具）

类别	数量	工具列表
内存	10	save_memory, recall_memory, list_memories, search_memories, delete_memory, update_memory, auto_save_context, restore_session_context, prioritize_memory, start_session
语义	2	find_symbol, find_references
思维	6	create_thinking_chain, analyze_problem, step_by_step_analysis, break_down_problem, think_aloud_process, format_as_plan
推理	1	apply_reasoning_framework
代码质量	6	analyze_complexity, validate_code_quality, check_coupling_cohesion, suggest_improvements, apply_quality_rules, get_coding_guide
规划	4	generate_prd, create_user_stories, analyze_requirements, feature_roadmap
提示	2	enhance_prompt, analyze_prompt
浏览器	2	monitor_console_logs, inspect_network_requests
UI	1	preview_ui_ascii
时间	1	get_current_time

支持任务的工具（11 个工具）

以下工具通过任务支持长时间运行的操作：

• 语义分析：find_symbol、find_references
• 代码质量：analyze_complexity、check_coupling_cohesion、validate_code_quality、suggest_improvements
• 项目规划：analyze_requirements、feature_roadmap、generate_prd
• 推理/提示：apply_reasoning_framework、enhance_prompt_gemini

关键词映射示例

工具	英语	韩语
save_memory	remember, save this	기억해, 저장해
recall_memory	recall, remind me	떠올려, 기억나
auto_save_context	commit, checkpoint	커밋, 저장

架构

系统结构

graph TB
    subgraph "客户端层"
        A[Claude Desktop / Cursor / Windsurf]
    end

    subgraph "MCP 服务器"
        B[Hi-AI v1.6.0]
    end

    subgraph "核心库"
        C1[MemoryManager]
        C2[ContextCompressor]
        C3[ProjectCache]
        C4[PythonParser]
        C5[TaskManager]
    end

    subgraph "工具类别"
        D1[内存工具 x10]
        D2[语义工具 x2]
        D3[思维工具 x6]
        D4[质量工具 x6]
        D5[规划工具 x4]
        D6[提示工具 x2]
        D7[浏览器工具 x2]
        D8[UI 工具 x1]
        D9[时间工具 x1]
        D10[任务支持]
    end

    subgraph "数据层"
        E1[(SQLite 数据库)]
        E2[项目文件]
        E3[任务存储]
    end

    A <--> B
    B --> C1 & C2 & C3 & C4 & C5
    B --> D1 & D2 & D3 & D4 & D5 & D6 & D7 & D8 & D9 & D10
    C1 --> E1
    C3 --> E2
    C4 --> E2
    C5 --> E3
    D1 --> C1 & C2
    D2 --> C3 & C4
    D4 --> C4
    D10 --> C5

核心组件

任务管理器

• 角色：管理长时间运行任务的生命周期。
• 功能：任务创建、状态跟踪、结果存储和 TTL 管理。
• 状态：working, input_required, completed, failed, cancelled
• 通知：实时状态变更通知

分页系统

• 角色：高效处理大型列表数据。
• 方法：基于游标的分页。
• 安全性：通过不透明游标防止数据暴露。

数据流

用户输入（自然语言）
    ↓
关键词匹配（工具选择）
    ↓
任务支持检查
    ↓
正常执行或任务创建
    ↓
异步执行（任务）
    ↓
状态轮询或实时通知
    ↓
结果返回

性能

主要优化

• 项目缓存：通过 LRU 缓存提高重复分析的性能，保持 5 分钟的 TTL，并通过内存限制进行资源管理。
• 内存操作：通过 SQLite 事务优化批量操作，将时间复杂度从 O(n²) 提高到 O(n)，并通过索引实现快速查找。
• 任务优化：通过后台执行提高 UI 响应性，通过基于 TTL 的自动清理防止内存泄漏，并通过基于状态的轮询进行高效监控。
• 响应格式：切换到简洁的响应格式，输出聚焦于核心信息。

v1.5.0 响应示例：

{
  "action": "save_memory",
  "key": "test-key",
  "value": "test-value",
  "category": "general",
  "timestamp": "2025-01-16T12:34:56.789Z",
  "status": "success",
  "metadata": { ... }
}

v1.6.0 响应示例：

✓ Saved: test-key
Category: general

开发指南

环境设置

# 克隆仓库
git clone https://github.com/ssdeanx/ssd-ai.git
cd ssd-ai

# 安装依赖
npm install

# 构建
npm run build

# 开发模式
npm run dev

测试

# 运行所有测试
npm test

# 监听模式
npm run test:watch

# UI 模式
npm run test:ui

# 覆盖率报告
npm run test:coverage

代码风格

• TypeScript：使用严格模式。
• 类型：使用 src/types/tool.ts。
• 测试：保持 100% 的覆盖率。
• 提交：使用常规提交格式。

添加新工具

1. 在 src/tools/category/ 目录下创建文件。
2. 实现 ToolDefinition 接口。
3. 在 src/index.ts 中注册工具。
4. 在 tests/unit/ 目录下编写测试。
5. 更新 README。

拉取请求

1. 创建功能分支：feature/tool-name。
2. 编写并通过测试。
3. 确认构建成功。
4. 创建 PR 并请求审核。

🔧 技术细节

系统架构

系统采用分层架构，包括客户端层、MCP 服务器、核心库、工具类别和数据层。客户端通过 MCP 服务器与系统交互，核心库提供内存管理、上下文压缩、项目缓存等功能，工具类别包含各种专业工具，数据层负责存储数据。

性能优化

通过 LRU 缓存、SQLite 事务和索引、异步执行和基于游标的分页等技术，提高了系统的性能和响应性。

📄 许可证

本项目采用 MIT 许可证，可免费使用、修改和分发。

引用

如果你将此项目用于研究或商业目的，请使用以下 BibTeX 引用：

@software{hi-ai2024,
  author = {ssdeanx},
  title = {Hi-AI: Natural Language MCP Server for AI-Assisted Development},
  year = {2024},
  version = {1.6.0},
  url = {https://github.com/su-record/hi-ai}
}

贡献者

感谢所有为该项目做出贡献的人，查看贡献者列表请点击 贡献者。

特别感谢

• Smithery - MCP 服务器部署和一键安装平台

项目统计

项目信息

Hi-AI v1.6.0

支持任务 · 基于游标分页 · 36 种专业工具 · 122 个测试 · 100% 覆盖率

由 Su 用心打造

🏠 主页 · 📚 文档 · 🐛 问题反馈 · 💬 讨论