43 个 MCP 工具 · Rust · $0.00/查询

你的 AI 智能体患有失忆症。
m1nd 帮它记住一切。

所有工具都能找到已有的。m1nd 能找到缺失的。

每次会话，你的智能体都要重新阅读整个代码库——以 LLM token 的形式每个搜索周期烧掉 $0.05–$0.50，到下次会话时全部遗忘。m1nd 用一个持久化代码图谱替代了这个循环，它能从使用中学习，检测 grep 永远无法发现的结构性缺口，并在 31ms 内以 $0.00 成本给出答案。本地 Rust 二进制文件。无需 API 密钥。没有计费器在跳动。

快速开始在 GitHub 上查看

find

what's missing

what if?

navigate

9,767 nodes · 26,557 edges · 335 files

问题所在

AI 智能体是强大的推理者。
但糟糕的导航者。

每当智能体需要上下文，它就发起 LLM 调用来搜索、读取和猜测。在一个 10,000 文件的代码库上，这意味着每周数百美元——而且它仍然会遗漏不存在的东西。

"这个变更会影响什么？"

没有结构性分析，爆炸半径是不可见的。

m1nd.impact

"我遗漏了什么？"

结构性缺口无法通过关键词搜索发现。

m1nd.missing

"还有什么会改变？"

协变模式需要历史上下文。

m1nd.predict

"它们之间如何关联？"

依赖链横跨文件、模块和抽象层。

m1nd.why

方法	功能	为何失败
全文搜索	匹配 token	找到你说的，而非你想要的
RAG	嵌入分块，Top-K	每次检索都是失忆的。没有关系。
静态分析	AST、调用图	冻结的快照。无法回答"如果呢？"。无法学习。
知识图谱	三元组存储	手动维护。只返回被显式编码的内容。

与众不同之处

六项其他工具不具备的能力。

不是渐进式改进。是结构性差异。

图谱会学习

Hebbian Plasticity

结果正确时，路径被强化。错误时，路径被削弱。每次查询都让下一次更精准。图谱适应你的代码库，而非反过来。

图谱会消除噪音

XLR Differential Processing

借鉴自音频工程。两个信号在同一路径上传输——差异揭示真相。假阳性边在污染结果之前被消除。

图谱会记忆

Trail 系统

跨会话保存、恢复和合并调查状态。一个智能体可以精确地从另一个停下的地方继续。无需重新发现。无上下文丢失。

图谱会验证假说

假设引擎

58ms 内探索了 25,015 条路径。贝叶斯置信度评分。图谱不仅检索——还评估结构性假说是否合理。

图谱会模拟替代方案

反事实引擎

3ms 内分析了 4,189 个受影响节点。虚拟移除一个模块，查看什么会崩溃，测量级联深度——在触碰任何一行代码之前。

图谱支持导航

Perspective System

有状态的探索，支持历史记录、分支和撤销。进入一个视角，追踪路由，分叉你的调查，比较路径。12 个工具。像一个在代码库中操作的外科医生。

工作原理

核心循环

m1nd 不搜索你的数据——它激活数据。查询一个概念，图谱就会亮起来。

点击图谱查看扩散激活的实际效果

Ingest

从源数据构建属性图谱。代码、JSON、任何领域。

Activate

跨 4 个维度的扩散激活，配合 XLR 噪音消除。

Learn

Hebbian 可塑性：正确结果强化连接，错误结果削弱连接。

Persist

图谱 + 可塑性状态保存到磁盘。下次会话从上次中断处开始。

四个激活维度

结构性

图拓扑：边、PageRank、社区结构。事物如何连接。

语义性

标签相似度：字符 n-gram、共现（PPMI）、同义词扩展。

时间性

时间动态：时效衰减、变更速度、协变历史。

因果性

依赖流：沿导入、调用和包含边的有向因果关系。

范式转变

所有搜索工具都是为人类构建的。
m1nd 是为智能体构建的。

2026 年是 AI 低效之年——智能体用 grep 循环暴力穿越代码库，像点火柴一样烧 token。grep、ripgrep、tree-sitter：出色的工具。给人类用来读终端的。但 AI 智能体不想线性解读 200 行输出。它想要一个带权重、维度和直接答案的图谱："什么重要，什么缺失"——准备好做决定，而不是去解析。

上下文窗口作秀的终结。不再把搜索结果喂给 LLM 让它再搜一遍。

低效循环

1. 智能体调用 grep → 200 行噪音
2. 把全部输出喂给 LLM → 烧 token 来解析文本
3. LLM 决定再 grep 一次 → 重复 3–5 次
4. 最终基于不完整的信息行动

每次搜索烧掉 $0.30–$0.50。10 秒白白流逝。结构性盲区依然存在。

精准手术

1. 智能体调用 m1nd.activate
2. 获得带置信度分数的加权子图
3. 发现文本搜索无法找到的结构性缺口
4. 立即基于完整信息行动

1 次调用。31ms。$0.00。零 token。完整的结构性理解。

m1nd 不输出需要 LLM 重新解读的文本。它输出结构化决策——加权节点、置信度分数、维度排名、结构性缺口。这才是智能体真正需要的行动格式，而不是更多需要咀嚼的低效输出。

为什么 $0.00 是真的——不是营销

当 AI 智能体用 LLM 搜索你的代码时，它将你的代码发送到云端 API，按 token（输入 + 输出）付费，等待响应，通常重复 3–5 次。每个循环花费 $0.05–$0.50。

m1nd 使用零 LLM 调用。你的代码库作为加权图谱存在于本地 RAM 中。查询是纯数学——扩散激活、图遍历、线性代数——由本机 Rust 二进制文件执行。没有 API 调用。没有 token。没有数据离开你的计算机。这就是为什么它的成本是 $0.00，运行时间是 31ms。

LLM grep 循环

你的代码 → 云端 API → token → $$
就像每次过马路都要问 Google 地图怎么走

m1nd 查询

图谱在 RAM 中 → 数学 → 答案 → $0
就像看一张已经在你桌上的地图

视角

像外科医生一样导航代码。

grep 是无状态的。每次搜索从零开始。m1nd 视角维持一个活跃的导航会话——带有历史记录、分支和建议。

🔍

start

进入一个视角。一个可导航的界面围绕你的查询形成。

🧭

routes

浏览排序的路由——图谱中的加权路径。

🎯

将焦点移至目标。新路由自动生成。

🔀

branch

分叉你的探索。就像 git 分支，但用于调查。

💡

suggest

m1nd 基于导航历史推荐你的下一步。

⚖️

compare

对比两个视角。共享节点、唯一路径、维度差异。

12 个工具。有状态的探索，支持记忆、分支和撤销。
市场上没有其他代码导航工具能做到这一点。

视角会话

$ m1nd.perspective_start --query "payment flow"
Perspective p-7a3f opened · 6 routes synthesized

$ m1nd.perspective_follow --route "checkout → stripe"
Focus moved to stripe/client.rs · 4 new routes from this node

$ m1nd.perspective_branch --name "refund-path"
Branch created · forked from stripe/client.rs

$ m1nd.perspective_suggest
→ refund/handler.rs (affinity: 0.91, structural + causal)
"Based on 3 hops: this is the most likely next dependency"

$ m1nd.perspective_compare --a "main" --b "refund-path"
Shared: 12 nodes · Unique to refund-path: 5 nodes · Divergence: 0.34

43 个 MCP 工具

智能体所需的一切。

任何 MCP 客户端均可通过 JSON-RPC stdio 调用。无需 SDK。

基础 (13)

m1nd.ingest

将数据加载到图谱中。代码提取器或 JSON 描述符。

m1nd.activate

扩散激活查询——"什么与 X 相关？"

m1nd.impact

爆炸半径——"修改 X 会影响什么？"

m1nd.why

路径解释——"A 和 B 如何关联？"

m1nd.learn

Hebbian 反馈——"这个结果是正确的/错误的/部分正确的。"

m1nd.drift

权重漂移分析——"自上次会话以来发生了什么变化？"

m1nd.health

诊断——节点/边数量、会话、持久化状态。

m1nd.seek

定向节点查找——按 ID 或模式查找特定实体。

m1nd.scan

广域图谱扫描——按类型、标签或邻域枚举节点。

m1nd.timeline

时间序列——节点如何随时间变化。

m1nd.diverge

分支分析——两条路径在哪里分叉？

m1nd.warmup

上下文预热——"为任务 X 做准备。"

m1nd.federate

多仓库联邦——跨仓库缝合图谱。

视角导航 (12)

perspective.start

打开新视角——图谱的限定范围、可过滤的视图。

perspective.routes

在视角内找到两个节点之间的所有路径。

perspective.follow

向前导航——从当前位置沿边前进。

perspective.back

向后导航——回溯到先前位置。

perspective.peek

不移动即可预览邻居——三思而后行。

perspective.inspect

当前节点的完整详情——边、权重、元数据。

perspective.suggest

AI 引导的导航——"我下一步应该去哪里？"

perspective.affinity

从此视角评分两个节点的关联度。

perspective.branch

将当前视角分叉为并行探索。

perspective.compare

对比两个视角——各自看到了对方没看到的什么？

perspective.list

列出所有活跃视角及其位置。

perspective.close

关闭视角并释放其资源。

锁系统 (5)

lock.create

对图谱状态做快照——创建比较基线。

lock.watch

监控相对于锁的变更——实时漂移检测。

lock.diff

将当前状态与锁进行对比——什么变了？

lock.rebase

将锁更新到当前状态——接受所有变更。

lock.release

释放锁并释放快照内存。

超能力 (13)

m1nd.hypothesize

验证结构性假说——基于 25K+ 路径的贝叶斯置信度。

m1nd.counterfactual

移除模拟——"如果我们移除 X 会怎样？"

m1nd.missing

结构洞检测——"这幅图中缺少什么？"

m1nd.resonate

谐波分析——驻波、共振频率。

m1nd.fingerprint

等价检测——"这两个东西是重复的吗？"

m1nd.trace

完整激活追踪——每一跳、每个权重、每个决策。

m1nd.validate_plan

根据图谱结构验证实现计划。

m1nd.predict

协变预测——"还有什么需要改变？"

m1nd.differential

XLR 差分——在两个查询之间分离信号和噪音。

trail.save

保存当前调查状态——所有激活、视角、上下文。

trail.resume

恢复已保存的调查轨迹——精确从中断处继续。

trail.merge

合并两条调查轨迹——组合并行调查。

trail.list

列出所有已保存的调查轨迹及元数据和时间戳。

横向对比

m1nd vs. 替代方案。

不同的品类，不仅仅是更好的版本。

Token 税是真实的

每当 AI 智能体 grep 你的代码库并将结果喂给 LLM 时，你都在付费。Cursor 用户报告了高达 $22K/月 的超额费用。在大型仓库上运行 Copilot + 前沿模型的团队仅搜索成本就达 $200–$500/月。

100 次搜索/天 × $0.30/次搜索 = $9/天 = $270/月
即 $3,240/年仅搜索成本。每位开发者。

m1nd

/查询。/天。/月。/永远。

本地 Rust 二进制文件。无需 API 密钥。无云端。
没有数据离开你的机器。永远不会。

	m1nd	Sourcegraph	Cursor	Copilot	Greptile
代码图谱	完整属性图谱	符号索引	无	无	AST 索引
从使用中学习	Hebbian plasticity	No	No	No	No
持久化调查	Trail system	No	No	No	No
验证假设	Bayesian engine	No	No	No	No
模拟移除	Counterfactual	No	No	No	No
多智能体锁	锁系统（可用）	No	尝试过，失败了	No	No
多仓库	Federation	Yes	No	No	Per-repo
搜索延迟	31ms（本地）	~200ms（云端）	320ms+（云端）	500–800ms	依赖云端
智能体接口	43 MCP tools	API	仅内置	仅内置	API
月度成本	$0（永远）	$59/user/mo	$20+/mo (overages to $22K)	$19+/mo	$30/dev/mo
能力（满分 16）	16/16	1/16	0/16	0/16	1/16

可量化的差距

领先 3–4 年。实测数据。

我们在 16 项能力上将 m1nd 与该品类的每个工具进行了基准测试。m1nd 得分 16/16。最佳竞品得分 3。Cursor 和 Copilot 得分零。

能力覆盖（满分 16）

m1nd

16/16

100%

CodeGraphCtx

3/16

Joern

2/16

CodeQL

2/16

ast-grep

2/16

Letta Code

2/16

Sourcegraph

1/16

Augment

1/16

Greptile

1/16

Cursor

0/16

Copilot

0/16

其他人无法宣称的六件事

01 — 零竞争者

代码图谱上的 Hebbian 可塑性

图谱基于哪些查询路径导致正确结果进行自我重新布线。没有其他工具能做到这一点。没有已发表的论文描述将此应用于代码。

02 — 快 10-30 倍

$0.00/query at 31ms

本地 Rust 二进制文件。每次查询零 LLM token 消耗。每个依赖 LLM 的工具每次搜索支付 $0.10-$0.50 并等待 300ms-2s 获取结果。

03 — 零先例

发现代码中缺失的部分

基于 Burt 社会学理论的结构洞检测，应用于代码图谱。发现任何搜索都无法触及的架构缺口。

04 — 最大覆盖面

43 个 MCP 工具 = 完整的认知循环

导入、激活、假设、模拟、学习、导航、联邦。最大的竞品提供约 15 个工具。大多数只有 3-5 个。

05 — 未发表的技术

XLR noise cancellation

借鉴自音频工程：跨层共振过滤在扩散激活过程中抑制假阳性边。代码图谱领域无先例。零竞争者，零论文。

06 — 他人尝试并失败

多智能体图谱锁定

Cursor 尝试了多智能体文件锁定但放弃了。m1nd 提供 5 个可用的锁工具：snapshot、watch、diff、rebase、release。多个智能体，一个一致的图谱。

领先 3–4 年

建立在没有单一竞品能覆盖的 6 个学科之上：认知科学、社会学、神经科学、信号处理、物理学和分布式系统。

阅读完整竞争分析 →

真实输出

一个完整的会话，从头到尾。

m1nd 导入并分析生产代码库。每个数字都是真实的。

m1nd 生产会话

1. Ingest > m1nd.ingest path=./
Scanned 335 source files across 3 languages
9,767 nodes, 26,557 edges built in 910ms
Co-change history: 214 commit groups analyzed

2. Activate > m1nd.activate query="spreading activation"
Seeds: activation.rs, graph.rs, xlr.rs
Wavefront: 3 → 18 → 47 nodes
0.94 fn::propagate_wavefront (structural 0.97)
0.91 fn::score_candidates (semantic 0.93)
0.87 fn::xlr_gate (causal 0.89)
0.72 fn::compute_pagerank (structural 0.78)
XLR cancelled 12 noise edges · 31ms

3. Impact > m1nd.impact targets=["graph.rs"]
Blast radius: 23 nodes across 4 hops
Direct: activation.rs, xlr.rs, temporal.rs, builder.rs
Indirect: server.rs, tools.rs, session.rs
High-impact: graph.rs is a keystone (PageRank top 3%)

4. Hypothesize > m1nd.hypothesize "graph.rs depends on temporal.rs"
Explored 25,015 paths in 58ms
Confidence: 0.87 (strong structural + temporal evidence)
Supporting: 14 direct paths, 3 co-change clusters
Weakening: 2 paths through deprecated module

5. Counterfactual > m1nd.counterfactual remove=["graph.rs"]
CASCADE: 4,189 affected nodes in 3ms
ORPHANED: 8 functions become unreachable
RESILIENT: temporal.rs, domain.rs survive via alternate paths
Simulation complete: graph.rs is load-bearing

6. Learn > m1nd.learn feedback=correct nodes=[activation.rs, xlr.rs]
LTP applied: 14 edges strengthened (avg +0.12)
Plasticity state persisted · 2,847 modified weights total

开始使用

60 秒内启动运行。

构建

cargo build --release

运行

m1nd 以 JSON-RPC stdio 服务器启动。开箱即用，兼容 MCP。

./target/release/m1nd-mcp

导入 & 查询

通过 stdin 发送 MCP 消息。状态自动持久化。

              // Ingest a codebase

              {"method":"tools/call","params":{"name":"m1nd.ingest",

                "arguments":{"path":"/your/project","agent_id":"my-agent"}}}

              // Query

              {"method":"tools/call","params":{"name":"m1nd.activate",

                "arguments":{"query":"authentication","agent_id":"my-agent"}}}

              // Learn from results

              {"method":"tools/call","params":{"name":"m1nd.learn",

                "arguments":{"feedback":"correct","node_ids":["file::src/auth.rs"]}}}

任意领域

不仅限于代码。从 JSON 导入任何知识图谱。

              // JSON descriptor -- works for any domain

              {"nodes": [

                {"id":"concept::activation", "label":"Spreading Activation", "type":"Concept"},

                {"id":"concept::plasticity", "label":"Hebbian Plasticity", "type":"Process"}

              ],

              "edges": [

                {"source":"concept::activation", "target":"concept::plasticity",

                 "relation":"enables", "weight":0.8}

              ]}

坦诚的局限性

m1nd 不是什么。

没有工具是万能的。以下是 m1nd 的边界。

不是代码编辑器

m1nd 导航和分析。它不编写、不重构、不打补丁。把它与能做这些事的智能体配合使用。

不是搜索引擎

它发现结构关系，而非字符串匹配。需要字面文本搜索用 grep。需要结构性理解用 m1nd。

图谱驻留在内存中

完整图谱保存在 RAM 中以保证速度。大型单体仓库（100K+ 文件）需要大量内存。关闭时持久化到磁盘。

目前仅支持单机

Federation 可以缝合来自多个仓库的图谱，但服务器本身运行在一台机器上。分布式模式尚未实现。

你的 AI 智能体患有失忆症。
m1nd 帮它记住一切。

AI 智能体是强大的推理者。
但糟糕的导航者。

六项其他工具不具备的能力。

核心循环

四个激活维度

所有搜索工具都是为人类构建的。
m1nd 是为智能体构建的。

像外科医生一样导航代码。

智能体所需的一切。

来自真实代码库的真实数据。

m1nd vs. 替代方案。

领先 3–4 年。实测数据。

一个完整的会话，从头到尾。

60 秒内启动运行。

构建

运行

导入 & 查询

任意领域

m1nd 不是什么。

别再为失忆症买单。
给你的智能体一个 m1nd。

你的 AI 智能体患有失忆症。m1nd 帮它记住一切。

AI 智能体是强大的推理者。但糟糕的导航者。

六项其他工具不具备的能力。

核心循环

四个激活维度

所有搜索工具都是为人类构建的。m1nd 是为智能体构建的。

像外科医生一样导航代码。

智能体所需的一切。

来自真实代码库的真实数据。

m1nd vs. 替代方案。

领先 3–4 年。实测数据。

一个完整的会话，从头到尾。

60 秒内启动运行。

构建

运行

导入 & 查询

任意领域

m1nd 不是什么。

别再为失忆症买单。给你的智能体一个 m1nd。

你的 AI 智能体患有失忆症。
m1nd 帮它记住一切。

AI 智能体是强大的推理者。
但糟糕的导航者。

所有搜索工具都是为人类构建的。
m1nd 是为智能体构建的。

别再为失忆症买单。
给你的智能体一个 m1nd。