🧠 ネクサスマインド

思考グラフによる知的な科学的推論

🔍 概要

NexusMindはグラフ構造を活用して高度な科学的推論を実行します。Claude DesktopなどのAIアプリケーションと統合するために、**モデルコンテキストプロトコル（MCP）**を実装しています。

主なハイライト:

• グラフベース推論を使用して複雑な科学的クエリを処理する

• 多次元評価による動的信頼度スコアリング

• 高性能を実現する最新のPythonとFastAPIで構築

• 簡単に導入できるようDocker化されている

• 拡張性とカスタマイズ性を実現するモジュール設計

🌟 主な機能

8段階推論パイプライン

コア推論プロセスは、洗練された 8 段階のパイプラインに従います。

1. 🌱 初期化

   • クエリからルートノードを作成する

   • 初期のグラフ構造を確立する

   • 信頼のベースラインを設定する

2. 🧩 分解

   • クエリをディメンションに分割します

   • 主要コンポーネントを特定する

   • 次元ノードを作成する

3. 🔬 仮説・計画

   • 複数の仮説を生成する

   • 推論戦略を作成する

   • 偽造基準を確立する

4. 📊 証拠の統合

   • 裏付けとなる証拠を集める

   • 証拠と仮説を結びつける

   • 信頼スコアを更新

5. ✂️ プルーニング/マージ

   • 価値の低い要素を削除する

   • 類似ノードを統合する

   • グラフ構造を最適化

6. 🔍 サブグラフ抽出

   • 関連部分を特定する

   • 高価値パスに焦点を当てる

   • ターゲットサブグラフを作成する

7. 📝 構成

   • 主要な調査結果を統合する

   • 一貫した洞察を生み出す

   • 包括的な回答を生成する

8. 🤔 反省

   • 推論の質を評価する

   • 改善点を特定する

   • 最終的な信頼度評価

技術的能力

• 🧠 グラフ知識表現： networkxを使用して複雑な関係をモデル化します

• 🔄 動的信頼ベクトル：

  • 経験的裏付け

  • 理論的根拠

  • 方法論的厳密さ

  • コンセンサス調整

• 🔌 MCP サーバー: シームレスな Claude Desktop 統合

• ⚡ 高性能API ：最新のFastAPI実装

• 🐳 簡単なデプロイメント：Docker と Docker Compose のサポート

• 🧩 拡張可能なアーキテクチャ：カスタマイズのためのモジュール式コンポーネント

• ⚙️ 柔軟な構成: Pydantic と YAML 構成

🛠️ テクノロジースタック

📂 プロジェクト構造

🚀 はじめに

前提条件

• Python 3.13+ (Docker イメージでは Python 3.13.3-slim-bookworm を使用)

• 詩：依存関係の管理

• Docker :コンテナ化されたデプロイメント用

インストールとセットアップ（ローカル開発）

1. リポジトリをクローンします:

   git clone https://github.com/SaptaDey/NexusMind.git cd NexusMind

2. Poetry を使用して依存関係をインストールします。

   poetry install

   これにより、仮想環境が作成され、 pyproject.tomlで指定された必要なパッケージがすべてインストールされます。

3. 仮想環境をアクティブ化します:

   poetry shell

4. アプリケーションを構成します:

   • 必要に応じてconfig/settings.yamlの設定を調整します

   • 機密情報用の環境変数または.envファイルを構成する

5. 開発サーバーを実行します:

   python src/asr_got_reimagined/main.py

   あるいは、さらに制御するには:

   uvicorn asr_got_reimagined.main:app --reload --host 0.0.0.0 --port 8000

   API はhttp://localhost:8000で利用できます。

Docker デプロイメント

1. Docker コンテナをビルドして実行します。

   docker-compose up --build

   デタッチドモードの場合:

   docker-compose up --build -d

   Docker イメージは、パフォーマンスとセキュリティを向上させるために、Python 3.13.3-slim-bookworm をベース イメージとして使用します。

2. API にアクセスします。API はhttp://localhost:8000 (またはdocker-compose.ymlで設定されているとおり) でアクセスできます。

🔌 APIエンドポイント

コアエンドポイント

• MCPエンドポイント: POST /mcp

  • Claude DesktopなどのMCPクライアントとの通信用

  • AIインタラクションのためのモデルコンテキストプロトコルを実装

• ヘルスチェック: GET /health

  • 監視とサービス検出のための基本的なヘルスチェック

追加のエンドポイント（計画中）

• グラフクエリ: POST /api/graph/query

  • ASR-GoTクエリの直接インターフェース

• グラフ状態: GET /api/graph/{session_id}

  • 推論グラフの現在の状態を取得する

• アナリティクス: GET /api/analytics/{session_id}

  • 推論プロセスに関する指標を取得する

🧪 テストと品質

開発ツール

• 型安全性:

  • mypy.iniとpyrightconfig.jsonで設定

  • python scripts/add_type_hints.pyのロガー タイプの問題を修正しました

• コード品質:

  • 型注釈付きの完全に型付けされたコードベース

  • 事前コミットフックが利用可能: poetry run pre-commit install

  • Ruffによる自動フォーマット