12 KiB
Arabica Sprint2 系统架构设计说明
1. Sprint2 设计概述
Sprint 1 实现了基于 5 Whys 的单一思维框架工具调用，验证了 MCP 协议下本地策略服务与大模型协同的可行性。
Sprint 2 的核心目标是将提示词策略 Server（S2）从“单点工具”升级为“多维思维框架引擎”，通过引入 MCP 的 Prompts 原语，将多种经典思维框架（5W3H、SCQA、SWOT、PESTLE 等）作为可复用的模板暴露给大模型，并开发意图拆解工具，使系统能够自动将用户模糊的自然语言查询拆解为专业检索词，从而大幅提升研究的广度与深度。
关键功能：
- Prompts 原语接入：实现
prompts/list和prompts/get接口，向客户端（Cherry Studio）注册多个静态思维框架模板。 - 多维思维框架库：内置 5W3H、SCQA、SWOT、PESTLE 等框架，每个框架包含结构化提示词模板。
- 意图拆解工具：开发
generate_search_queries工具，将用户原始查询拆解为 3~5 个专业检索词，用于后续文献检索（Sprint 3）。 - 角色矩阵与输出规范：设计多智能体角色矩阵雏形，并在提示词中通过 Few-Shot 示例约束输出格式（如强制 Markdown 结构）。
2. 功能实现步骤说明
典型用户查询流程（参见图 2-1）：
sequenceDiagram
participant User as 用户
participant Client as Cherry Studio (MCP Client)
participant LLM as 大模型
participant S2 as 提示词策略 Server (S2)
User->>Client: 输入查询Q
Client->>LLM: 传递查询Q
LLM->>Client: 决策需要思维框架
Client->>S2: prompts/get (框架=SCQA)
S2-->>Client: 返回SCQA模板
Client->>LLM: 组合模板+Q，请求推理
LLM->>Client: 需要检索词，调用工具
Client->>S2: tools/call (generate_search_queries, query=Q)
S2->>S2: 意图拆解逻辑
S2-->>Client: 返回检索词列表
Client->>LLM: 提供检索词，继续推理
LLM-->>Client: 生成深度报告
Client-->>User: 展示结果
- 用户输入自然语言查询（如“分析新能源汽车行业竞争格局”）。
- Cherry Studio 内大模型决策：判断需要调用多维思维框架辅助分析。
- 客户端发起
prompts/get请求：选择合适的思维框架（例如 SCQA），获取模板内容。 - 客户端组合提示词：将模板与用户查询结合，形成增强提示词。
- 大模型初步推理：可能识别出需要更专业的检索词，于是调用
generate_search_queries工具。 - 服务端执行意图拆解：
intentService根据查询生成检索词列表。 - 工具结果返回：客户端获得检索词，可结合文献查询 Server（Sprint 3）进行下一步检索。
- 最终推理与输出：大模型利用框架模板和检索结果生成结构化深度报告。
3. 系统组件架构设计
3.1 项目结构更新（基于 Sprint 1）
project-caffeine/
│
├── src/
│ ├── controllers/
│ │ ├── promptsController.js # 处理 prompts/list 和 prompts/get
│ │ ├── toolsController.js # 处理工具调用（含原有5Whys+新增意图拆解）
│ │ └── resourcesController.js # （保留，Sprint3扩展）
│ ├── services/
│ │ ├── promptService.js # 升级：管理多框架模板库，根据框架名返回结构化提示词
│ │ ├── intentService.js # 新增：意图拆解逻辑，生成检索词
│ │ └── resourceService.js # （保留）
│ ├── models/
│ │ ├── schemas.js # Zod校验（新增prompts参数校验）
│ │ └── frameworks/ # 思维框架定义目录
│ │ ├── 5w3h.json
│ │ ├── scqa.json
│ │ ├── swot.json
│ │ └── pestle.json
│ └── app.js # 主入口：注册 Prompts 和 Tools
│
├── .vscode/launch.json # 调试配置（不变）
├── config/config.js # 配置（可扩展框架路径）
└── package.json # 依赖（不变）
表 2-1：Sprint 2 新增/修改文件说明
| 文件/目录 | 类型 | 功能说明 |
|---|---|---|
src/controllers/promptsController.js |
新增 | 处理 prompts/list 和 prompts/get 请求，调用 promptService 获取模板 |
src/services/intentService.js |
新增 | 实现 generate_search_queries 工具的核心逻辑：基于规则或小模型将自然语言拆解为检索词 |
src/models/frameworks/ |
新增 | 存放各思维框架的 JSON 定义，包含名称、描述、模板内容、参数占位符等 |
src/services/promptService.js |
修改 | 从静态文件加载框架库，提供 listFrameworks() 和 getFramework(name, params) 方法 |
src/controllers/toolsController.js |
修改 | 增加对 generate_search_queries 的路由分发 |
src/models/schemas.js |
修改 | 增加 generate_search_queries 的输入参数校验（如 query 字符串） |
3.2 系统模块架构图
图 2-2：Sprint 2 组件架构与数据流
Sprint 2 系统组件架构在 Sprint 1 的基础上，将提示词策略 Server（S2）从单一工具升级为多维思维框架引擎。核心组件包括：
-
控制器层：新增 promptsController.js 专门处理 MCP Prompts 原语（prompts/list 和 prompts/get），toolsController.js 扩展支持 generate_search_queries 工具调用。
-
服务层：promptService.js 升级为多框架管理器，从 models/frameworks/ 目录加载 JSON 定义的思维模板（5W3H、SCQA、SWOT、PESTLE 等）；新增 intentService.js 实现意图拆解逻辑，将自然语言查询转化为专业检索词。
-
模型层：schemas.js 增加 Prompts 参数和意图拆解工具的 Zod 校验；frameworks/ 目录以 JSON 形式存放各框架的元数据、模板内容和角色定义。
-
主入口：app.js 同时注册 Prompts 和 Tools 能力，通过 stdio 与客户端通信。
该架构的核心数据链路分为四步：客户端通过 prompts/get 获取匹配的思维框架模板；服务端返回结构化提示词；大模型在推理中可调用 generate_search_queries 获取检索词；最终通过模板内嵌的系统消息（含角色矩阵和 Few-Shot 示例）约束输出格式，生成符合规范的深度报告。这一设计为后续文献检索（Sprint 3）和递归深度研究奠定了坚实的“大脑”基础。
4. MCP 标准通信接口设计
4.1 Prompts 原语
prompts/list 响应示例
向客户端声明可用的思维框架列表：
{
"prompts": [
{
"name": "5w3h",
"description": "5W3H 分析法：从 What、Why、Who、When、Where、How、How much、How feel 八个维度拆解问题",
"arguments": [
{
"name": "topic",
"description": "需要分析的主题",
"required": true
}
]
},
{
"name": "scqa",
"description": "SCQA 架构：Situation、Complication、Question、Answer，适用于问题分析与方案构建",
"arguments": [
{
"name": "situation",
"description": "背景描述",
"required": true
}
]
},
{
"name": "swot",
"description": "SWOT 分析：Strengths、Weaknesses、Opportunities、Threats",
"arguments": [
{
"name": "entity",
"description": "分析对象（企业、项目等）",
"required": true
}
]
},
{
"name": "pestle",
"description": "PESTLE 宏观环境分析：Political、Economic、Social、Technological、Legal、Environmental",
"arguments": [
{
"name": "domain",
"description": "行业或领域",
"required": true
}
]
}
]
}
prompts/get 请求与响应示例
客户端请求 scqa 框架，并提供参数：
// 请求
{
"name": "scqa",
"arguments": {
"situation": "新能源汽车行业竞争日益激烈"
}
}
// 响应
{
"description": "SCQA 分析框架",
"messages": [
{
"role": "user",
"content": {
"type": "text",
"text": "请使用 SCQA 架构分析以下情境：\n情境 (Situation)：新能源汽车行业竞争日益激烈。\n\n请依次构建：\n1. 复杂化 (Complication)：指出情境中存在的矛盾或挑战。\n2. 问题 (Question)：基于复杂化提炼出核心问题。\n3. 答案 (Answer)：提出解决问题的初步方案或分析路径。\n\n输出格式要求：使用 Markdown 标题分节，每个部分至少 200 字。"
}
}
]
}
4.2 新增 Tool：generate_search_queries
工具声明 (tools/list 追加)
{
"name": "generate_search_queries",
"description": "将用户的自然语言查询拆解为 3-5 个专业的学术检索词，用于后续文献检索",
"inputSchema": {
"type": "object",
"properties": {
"query": {
"type": "string",
"description": "用户的原始查询语句，例如：新能源汽车电池回收技术难点"
}
},
"required": ["query"]
}
}
工具调用响应 (tools/call)
// 请求参数
{
"query": "新能源汽车电池回收技术难点"
}
// 响应
{
"content": [
{
"type": "text",
"text": "[\"动力电池梯次利用技术\", \"废旧锂离子电池回收工艺\", \"电池拆解自动化\", \"有价金属提取效率\", \"环保法规与回收成本\"]"
}
]
}
4.3 角色矩阵与输出规范（内置于 Prompt 模板）
在每个思维框架的模板中，通过系统消息（System Prompt）注入角色定义和输出格式要求。例如在 SWOT 模板中：
{
"role": "system",
"content": {
"type": "text",
"text": "你是一位资深的战略分析顾问，擅长使用 SWOT 框架进行竞争态势分析。请严格按照以下结构输出 Markdown 报告：\n# SWOT 分析报告：{entity}\n## 1. 优势 (Strengths)\n- 内部积极因素...\n## 2. 劣势 (Weaknesses)\n- 内部消极因素...\n## 3. 机会 (Opportunities)\n- 外部积极因素...\n## 4. 威胁 (Threats)\n- 外部消极因素...\n\n每个要点必须附上简要论证，报告总字数不低于 800 字。"
}
}
5. 总结
Sprint 2 通过接入 MCP Prompts 原语，扩展了系统的多维思维框架，为大模型提供了结构化的推理模板。通过拆解用户意图，系统能够更高效地生成标准化的响应内容，推动开源协作流程的自动化与优化。随着 Sprint 2 的完成，系统将在后续迭代中逐步完善与扩展，推动开源项目管理和协作效率的提升。
许可声明
本文档采用 知识共享署名--相同方式共享 4.0 国际许可协议 (CC BY--SA 4.0) 进行许可，© 2025-2026 Gitconomy Research.