reasonlyze 0.5.0

LLM reasoning depth optimizer with visible reasoning chains — see HOW your AI thinks

reasonchain 🧠

让AI的思考过程变得可见。

不只是另一个prompt模板——reasonchain 把LLM的黑盒回答变成结构化的推理链。

为什么用 reasonchain？

LLM给你答案，但不告诉你为什么这么想。reasonchain 补上这一环：

❌ 普通方式: "AI会取代部分程序员工作"
✅ reasonchain: 
   ├─ 假设A: 取代重复性编码 (置信度85% | 支持: GitHub Copilot数据)
   ├─ 假设B: 不会取代系统设计 (置信度70% | 反对: 需要领域知识)
   ├─ 工程角度: 当前AI在创造性任务上仍有盲区
   ├─ 经济角度: 需求增长 > 被替代的速度
   └─ 结论: 部分替代，整体增强 (置信度75%)

安装

pip install reasonchain

5秒上手

from reasonchain import think

# 分析任何问题
chain = think("微服务 vs 单体架构，选哪个？")
print(chain.to_markdown())

# 结合LLM回答深化分析
import openai
response = openai.ChatCompletion.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "微服务 vs 单体架构"}]
)
chain = think("微服务 vs 单体架构", response.choices[0].message.content)
print(chain.to_markdown())
# 输出包含: 问题分解 + 假设对比表 + 多角度分析 + 结论

功能

• ✅ 推理链可视化 — 把LLM回答解析为结构化推理过程
• ✅ 假设对比 — 并列展示多个假设，标注证据和置信度
• ✅ 多角度分析 — 自动检测工程/经济/伦理等维度
• ✅ 冲突标注 — 标记未解决的推理矛盾
• ✅ LLM增强 — 注入第一性原理推理框架到API调用

MIT License