使用说明

Mr.IF

Tell it anything. It tells you which US stocks to watch — and why.

What • Demo • How • Quick Start • Architecture • Coverage • License

IF先生是什么？

IF先生 是一个连接的AI推理代理 任何日常事件 --天气、健康、政治、直觉 可操作的美国股票信号 通过蝴蝶效应因果分析。

它不仅仅是搜索新闻。它原因 --构建多学科因果链（生理学→ 流行病学→ 药品供应链→ ticker），根据15个历史先例对其进行验证，并像坐在你对面的一位敏锐的财务顾问一样提供输出。

“今天越来越冷了”→ 能源中游、施工延误、室内消耗变化、特定股票、时间范围以及下一步要注意什么。

“我看到埃隆·马斯克在一次活动中看起来很孤独”→ 社会情绪分析、特斯拉领导风险、SpaceX防御定位、逆向博弈反应过度。

“特朗普可能会做一些疯狂的事情”→ 关税风险链、地缘政治避风港流动、波动受益者、历史贸易战相似之处。

作为一个主控程序服务器 --将其插入支持模型上下文协议的任何LLM（Claude、Cursor等）。

在行动中看到它

你： “今天越来越冷了”

IF先生：

气温下降——从表面上看，这只是天气，但也有一些值得一试的地方。

能量是最直接的游戏。 2月下旬，供暖季节结束。如果寒流持续到3月份，天然气库存将超过预期。周四的EIA存储报告是关键催化剂——如果提取量超过1000亿立方英尺，天然气价格就会上涨。有趣的角度不是上游生产商，而是中游。ET和WMB从运输量中获利，因此运输量激增对其利润率杠杆的打击更大，股息收益率为7%以上。

消费者行为也发生了变化。 寒冷让人们呆在室内——如果NFLX与强劲的内容周期相吻合，它的参与度就会提高。比每年冬天推出的AMZN“恶劣天气下的电子商务”游戏更有趣。

另一方面， 如果这种寒冷只持续一两天，天然气价格可能会回落“没有人们担心的那么冷”。如果天气延误，像DHI这样的住宅建筑商会看到第一季度开工数据疲软。

Ticker 为什么方向时间定罪

ET 中游交易量受益，7%+收益率下限看涨 2-4周高

UNG 天然气ETF，直接天然气价格敞口看涨 1-2周中等

NFLX 室内娱乐替代品看涨 1-2个月中等

DHI 施工延误压力Q1开始看跌 1个月中等

关键催化剂： EIA天然气储存（星期四），NOAA延长预测，美国疾病控制与预防中心流感数据

因果推理练习——而不是投资建议。做你自己的尽职调查。

这就是用户看到的。在幕后，IF先生在5个学科中建立了3个因果链，对每个因果链进行了验证，并与2021年德克萨斯州深度冷冻的先例进行了比较，并在接触外部数据工具之前对其进行了评分。

运作原理

User Input ─── "it's getting cold"
     │
     ▼
┌───────────────────────────────────────────────┐
│  Step 1: mr_if_reason (MCP Tool)              │
│  One call returns everything:                 │
│  • Event classification + complexity level    │
│  • Chain templates (matched to input)         │
│  • Historical precedent search (15 cases)     │
│  • Discipline knowledge injection             │
│  • Adaptive depth recommendation              │
└───────────────────┬───────────────────────────┘
                    │
                    ▼
┌───────────────────────────────────────────────┐
│  Step 2: Adaptive Reasoning (in LLM thinking) │
│                                               │
│  Depth scales to input complexity:            │
│  Light  → 2 chains, basic validation          │
│  Medium → 2-3 chains + historical + 2nd-order │
│  Heavy  → 3-4 chains, full analysis           │
│                                               │
│  Anti-hallucination: no reverse-engineering,  │
│  every step needs "because...", honest about  │
│  weak links, numbers need sources             │
└───────────────────┬───────────────────────────┘
                    │
                    ▼
┌───────────────────────────────────────────────┐
│  Step 3: External Tool Orchestration          │
│  Industry Mapper → Security Mapper → Data API │
│  + Conditional: news, DCF, sentiment, etc.    │
└───────────────────┬───────────────────────────┘
                    │
                    ▼
┌───────────────────────────────────────────────┐
│  Step 4: RIA-Style Output                     │
│  Conversational analysis + ticker table       │
│  + key catalysts + risk disclaimer            │
└───────────────────────────────────────────────┘

为什么是自适应深度？

并非所有输入都值得同样的分析。“我打喷嚏了”需要两条坚固的链子。“贸易战+美联储会议+寒流”需要全深度多因素分析。该工具自动评估复杂性，并告诉LLM要深入到什么程度——防止对简单输入的过度引擎化和对复杂输入的分析不足。

建筑

┌──────────────────────────────────────────────────────┐
│                  Mr.IF Agent Layer                     │
│               (System Prompt Orchestration)            │
├──────────────────────────────────────────────────────┤
│                                                       │
│   MCP Toolkit (this repo)                             │
│                                                       │
│   ┌─ mr_if_reason ─────────────────────────────────┐  │
│   │  Unified reasoning engine — one call returns:  │  │
│   │  • Event classifier (9 categories)             │  │
│   │  • Chain template matcher (16 patterns)        │  │
│   │  • Historical echo search (15 precedents)      │  │
│   │  • Discipline knowledge injector (10 fields)   │  │
│   │  • Complexity assessor (light/medium/heavy)    │  │
│   │  • Conditional second-order routing            │  │
│   └────────────────────────────────────────────────┘  │
│                                                       │
│   Skills (MCP Resources — knowledge base)             │
│   ├─ butterfly-effect-chain    Core reasoning method  │
│   ├─ cross-domain-reasoning    10-discipline handbook │
│   ├─ second-order-thinking     Contrarian framework   │
│   └─ reasoning-discipline      Adaptive protocol      │
│                                                       │
├──────────────────────────────────────────────────────┤
│   External Tools (orchestrated via system prompt)     │
│   Industry Mapper │ Security Mapper │ Market Data     │
│   News Search │ DCF │ Monte Carlo │ Sentiment │ ...   │
└──────────────────────────────────────────────────────┘

快速开始

# Clone
git clone https://github.com/superiron888/chaos2alpha.git
cd chaos2alpha

# Install & Build
npm install && npm run build

# Run
npm start

连接到您的法学硕士

添加到您的MCP客户端配置（Claude Desktop、Cursor等）：

{
  "mcpServers": {
    "mr-if": {
      "command": "node",
      "args": ["/path/to/chaos2alpha/dist/index.js"]
    }
  }
}

那就自然地跟它说话吧： “外面冷极了”, “特朗普再次发推特”, “我只是打了个喷嚏” --IF先生处理其余的事情。

是什么让这与众不同

	传统金融机器人	IF先生
输入	“AAPL怎么了？”	“我今天打喷嚏了”
方法	新闻摘要+情感	多学科因果推理
深度	表面水平	10个学科的3-6步因果链
验证	无	历史先例匹配+抗幻觉检查
输出	通用摘要	特定股票+方向+时间框架+信念+催化剂
语音	机器人	值得信赖的财务顾问

覆盖

9事件类型

Physiological · Weather & Climate · Economic Signal · Social Trend · Technology · Policy & Regulation · Natural Disaster · Daily Observation · Geopolitical

10个学科

Psychology · Physiology · Physics & Energy · Chemistry · Economics · Meteorology · Sociology · Geopolitics · Supply Chain · Market Mechanics

16个链模板

自 症状→ 医药供应链 到 技术范式→ 铲车游戏 到 地缘政治冲突→ 安全港资产 --涵盖了金融市场中最常见的蝴蝶效应传播路径。

15历史先例

案例	年份	蝴蝶效应
新冠肺炎	2020年	病毒→ 封锁→ 远程工作革命→ 科技大集会
德克萨斯州深冻	2021	极地涡旋→ 电网崩溃→ 天然气产量飙升400%
卡特里娜飓风	2005	Cat 5→ 炼油厂停工→ 汽油危机
俄罗斯-乌克兰战争	2022	入侵→ 能源禁运→ 美国液化天然气热潮
美中贸易战	2018	关税→ 供应链重组→ 回流浪潮
美联储支点	2023	温和信号→ 降息预期→ 成长型股票反弹
ChatGPT发布	2022	AI聊天机器人→ 计算需求→ NVIDIA超级摩托车
GameStop挤压	2021	Reddit→ 逼空→ 市场结构辩论
美联储加息周期	2022	0%→ 5.25% → 从增长到价值轮换
比特币ETF	2024	SEC批准→ 制度性流入→ 加密货币主流化
GLP-1/Ozenpic	2023	减肥药→ 食品/医疗技术重新定价
苏伊士运河阻塞	2021	船只搁浅→ 航运激增→ 通货膨胀压力
SVB崩溃	2023	银行挤兑→ 区域传染病→ TBTF保费
美国干旱	2012	干旱→ 歉收→ 粮食价格飙升
油价战	2020	OPEC+崩溃→ 负油→ 能源结构调整

项目结构

chaos2alpha/
├── src/
│   ├── index.ts                    # MCP Server entry point
│   └── tools/
│       └── mr-if-reason.ts         # Unified reasoning engine
├── skills/
│   ├── butterfly-effect-chain.md   # Butterfly effect methodology
│   ├── cross-domain-reasoning.md   # 10-discipline reasoning handbook
│   ├── second-order-thinking.md    # Second-order thinking framework
│   └── reasoning-discipline.md     # Adaptive reasoning protocol
├── prompts/
│   └── system-prompt.md            # Complete system prompt
├── package.json
├── tsconfig.json
└── README.md

设计理念

一个工具，零协调税。 一个原子调用返回完整的推理框架。LLM不能跳过步骤，因为所有东西都会同时到达。
适应性深度，而不是严格的检查表。 简单的输入得到轻量级的分析。复杂的多因素输入得到全深度处理。工具决定，而不是固定的协议。
推理时的知识。 基于事件类型动态注入特定学科的定量锚和常见陷阱——模型在需要时准确地获得专家级领域知识。
设计抗幻觉。 每个因果链步骤都需要一个有纪律支持的“因为…”。逆向工程（首先确定结论，然后构建链）被明确阻止。薄弱的链条会掉下来，没有装饰。
第二个命令，当它重要的时候。 当结论是市场共识（“冷→ 当结论已经不明显时，它不会浪费时间强迫反向角度。
RIA的声音，不是机器人的声音。 输出读起来像一个值得信赖的财务顾问——对话、具体、商业意识——而不是结构化的数据转储。

贡献

欢迎发布问题和PR。如果您对新的链模板、历史案例或学科知识有想法，请打开一个问题。

许可证

麻省理工学院

Mr.IF — Every event has a market signal. Find it.

Ticker	为什么	方向	时间	定罪
ET	中游交易量受益，7%+收益率下限	看涨	2-4周	高
UNG	天然气ETF，直接天然气价格敞口	看涨	1-2周	中等
NFLX	室内娱乐替代品	看涨	1-2个月	中等
DHI	施工延误压力Q1开始	看跌	1个月	中等