Chain Of Draft

🚀 链式草稿 (CoD) MCP 服务器

本项目实现了链式草稿（Chain of Draft, CoD）推理方法，该方法允许大语言模型（LLM）生成简洁但信息丰富的中间推理步骤，在解决任务时能显著降低令牌使用量，正如《链式草稿：通过写作减少思考》论文中所描述的。

🚀 快速开始

本MCP服务器实现了《链式草稿：通过写作减少思考》论文中描述的链式草稿（CoD）推理方法。CoD是一种新颖的方法，可让大语言模型（LLM）生成简洁且信息丰富的中间推理步骤，在解决任务时显著降低令牌使用量。

✨ 主要特性

• AnalyticsService：跟踪不同领域和推理方法的性能指标。
• ComplexityEstimator：分析问题以确定合适的单词限制。
• ExampleDatabase：管理和检索示例，并将思维链（CoT）示例转换为链式草稿（CoD）格式。
• FormatEnforcer：确保推理步骤符合单词限制。
• ReasoningSelector：根据问题特征和历史性能智能选择CoD或CoT。

📦 安装指南

Python 实现

1. 环境配置
   • 下载并安装Python 3.8及以上版本。
   • 安装所需的依赖项，例如anthropic, dotenv等。
2. 代码实现

from client import ChainOfDraftClient

# 创建客户端
cod_client = ChainOfDraftClient()

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

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

JavaScript 实现

1. 环境配置
   • 下载并安装Node.js 14及以上版本。
   • 安装所需的依赖项，例如@anthropic-ai/sdk, dotenv等。
2. 代码实现

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

// 加载环境变量
dotenv.config();

// 创建Anthropic客户端
const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

// 导入链式草稿客户端
import chainOfDraftClient from './lib/chain-of-draft-client.js';

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

solveMathProblem();

💻 使用示例

基础用法

Python 客户端

from client import ChainOfDraftClient

# 创建客户端
cod_client = ChainOfDraftClient()

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

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

JavaScript 客户端

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

// 加载环境变量
dotenv.config();

// 创建Anthropic客户端
const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

// 导入链式草稿客户端
import chainOfDraftClient from './lib/chain-of-draft-client.js';

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

solveMathProblem();

🔧 技术细节

Python 实现

1. AnalyticsService：跟踪性能指标，跨越不同领域和推理方法。
2. ComplexityEstimator：分析问题以确定适当的单词限制。
3. FormatEnforcer：确保推理步骤符合单词限制。
4. ReasoningSelector：根据问题特征和历史性能自动选择CoD或CoT。

JavaScript 实现

1. analyticsDb：内存数据库，用于跟踪性能指标。
2. complexityEstimator：分析问题以确定复杂性和适当的单词限制。
3. formatEnforcer：确保推理步骤符合单词限制。
4. reasoningSelector：根据问题特征和历史性能自动选择CoD或CoT。

两种实现遵循相同的核心原则，并提供相同的MCP工具，使得它们在大多数用例中可以互换使用。

📄 许可证

本项目采用MIT许可证，你可以自由地使用、修改和分发代码。

🤝 贡献指南

欢迎贡献！请参考CONTRIBUTING.md了解如何为该项目做出贡献。

❓ 问题报告

在使用过程中遇到问题？请提交到GitHub Issues，我们会尽快解决。

📚 参考资料

• Chain of Thought论文
• Anthropic API 文档
• dotenv 官方文档