AI导哈

大语言模型上下文扩展服务器

通过量子启发的引力内存压缩技术，扩展任何大语言模型的上下文窗口15-60倍，同时保持100%的数据完整性。

  • by Tryboy869
  • TypeScript
  • 本地部署
  • 4 星标
  • 更新于
在 GitHub 查看 Tryboy869/ai-books-mcp-server

使用说明

AI图书MCP服务器

通过引力内存压缩实现通用LLM上下文扩展

通过以下方式扩展任何LLM的上下文窗口 15-60× 在保持 100%数据完整性基于量子启发的引力记忆压缩。

🚀 特性

  • 大规模上下文扩展：将LLM上下文扩展15-60倍，超出本机限制
  • 100%数据完整性：加密哈希验证确保了完美的准确性
  • 通用兼容性：与克劳德、GPT-4、拉玛和任何法学硕士合作
  • 零配置：使用Claude Code开箱即用
  • 迅速的：查询库（毫秒）
  • 内存效率高：压缩比高达1240×，技术含量高

📦 安装

适用于Claude Code用户

npm install -g ai-books-mcp-server

然后添加到您的Claude Code MCP设置中：

{
  "mcpServers": {
    "ai-books": {
      "command": "ai-books-mcp-server"
    }
  }
}

对于开发者

git clone https://github.com/TryBoy869/ai-books-mcp-server.git
cd ai-books-mcp-server
npm install
npm run build

🎯 用例

1. 大型代码库

Create library from 100+ files → Query specific functionality → Get precise answers

2. 研究论文

Compress 50 papers → Ask synthesis questions → Get citations + insights

3. 文档

Load entire docs → Natural language queries → Contextual answers

4. 书籍和长篇内容

Compress novels/textbooks → Ask thematic questions → Deep analysis

🛠️ 可用工具

核心工具

create_knowledge_library

从文本创建压缩的知识库。

{
  name: "react-docs",
  text: "...full React documentation...",
  n_max: 15  // Optional: compression level (5-20)
}

query_knowledge_library

查询库并检索相关上下文。

{
  library_name: "react-docs",
  query: "How do hooks work?",
  top_k: 8  // Optional: number of chunks (1-20)
}

extend_context_from_files

一步加载文件并检索相关上下文。

{
  file_paths: ["./src/*.ts"],
  query: "Explain the authentication flow",
  top_k: 8
}

管理工具

  • list_knowledge_libraries：列出所有库
  • get_library_stats：详细统计
  • delete_knowledge_library：删除库
  • verify_library_integrity：检查100%完整性
  • search_documents：使用相关性得分进行搜索

📖 示例用法

克劳德密码

User: Can you help me understand this React codebase?

Claude: [Calls create_knowledge_library with all React files]
        [Creates library "react-project" with 245 chunks, 45× compression]
        
User: How does the authentication system work?

Claude: [Calls query_knowledge_library]
        [Retrieves 8 most relevant chunks from authentication code]
        [Provides detailed explanation with exact code references]

结果

而不是：

  • ❌ “我一次只能看到几个文件”
  • ❌ “代码库对于我的上下文来说太大了”

你得到：

  • ✅ 全面了解100多个文件代码库
  • ✅ 具有特定代码引用的准确答案
  • ✅ 跨多个文件的合成

🧬 运作原理

引力记忆压缩

基于量子物理学的原子轨道结构：

  1. 文本组块：将文档拆分为200-300字的块
  2. 哈希生成：每个块的SHA-256哈希
  3. 轨道编码：将哈希映射到引力态（量子启发）
  4. 压缩：在保持可检索性的同时实现15-60倍的缩减
  5. 验证：通过哈希比较保证100%的完整性

技术细节

  • 算法：具有n_max轨道的引力比特编码
  • 压缩：每比特1240个离散状态（n_max=15）
  • 检索：O（N）语义相似度+O（1）哈希查找
  • 正直：加密验证（SHA-256）

📊 演出

度量 值
压缩比 15-60×（典型）
数据完整性 100%保证
查询速度 <100ms（1000个数据块）
最大库大小 受RAM限制
块检索 O（N）相似性扫描

🎓 由...创建

达乌达·阿卜杜尔·安齐泽

  • 自学系统架构师
  • 40+开源项目
  • 专业方向：元架构和协议设计

投资组合: tryboy869.github.io/daa
GitHub: @试博869
电子邮件: anzizdaouda0@gmail.com

📄 许可证

MIT许可证-请参阅 许可证 文件

🤝 贡献

欢迎投稿！拜托：

  1. 分叉存储库
  2. 创建要素分支(git checkout -b feature/amazing)
  3. 提交您的更改(git commit -m 'Add amazing feature')
  4. 推到分支(git push origin feature/amazing)
  5. 打开拉取请求

🐛 问题

发现bug了吗？有功能请求吗？

打开一个问题

🌟 星迹

如果你觉得这很有用，请在repo上加星！ ⭐

🔗 链接

内置于❤️ Daouda Anzize |扩展法学硕士视野，一次一个图书馆

相关 MCP