认知推理工具包

用于多方协调决策，适用于涉及竞争利益、不同价值体系或组织政治的情况。当多个利益相关者需达成一致时，或在权力动态影响决策时，使用本插件以解决利益相关者之间的紧张关系。

该插件用于支持辩证推理过程，帮助用户分析和解决复杂问题，促进深度思考和逻辑推理。

用于逐步推理的插件，具备深度自我反思和回溯功能。适合处理依赖关系复杂的问题，进行逻辑推理或错误修正，理想用于调试、数学证明、顺序规划或因果分析。

该插件用于通过类比推理来提升模型的学习能力，帮助用户在解决问题时借鉴相似案例。

用于复杂推理会话中的认知模式交接，定义了.reasoning/目录结构、交接模式和IR-v2编排集成。适用于需要中途模式转换、并行分支合并、状态检查点或多模式编排的推理会话。

用于认知推理任务的并行执行模式。当独立子问题可以同时解决、需要探索多种解决方案、要求集成置信度或时间允许深入而无序列限制时使用。与 ToT、BoT、HE 和 AT 集成，加速推理过程。

全面的解决方案空间探索方法。适用于解决方案空间未知、需要多个可行选项或不能错过替代方案的情况。并行探索8-10种方法，保留超过40%的信心，返回3-5个可行解决方案。

适用于时间紧迫的情况，帮助在事件、紧急情况或截止日期前快速做出决策。优化“现在足够好”而非“以后完美”，在保证可接受质量的同时最大化决策速度。

该插件用于自动识别和消除不必要的假设，从而提高代码的准确性和可读性。

使用 ralph-loop 的 Stop hook 机制，为认知推理模式提供持久迭代封装。适用于需要高置信度、复杂多模式协调、迭代优化或长时间运行任务的场景。

该插件帮助用户以树状结构组织和可视化思维过程，促进创意生成和问题解决。

该插件用于实现对抗性推理，帮助用户在机器学习模型中识别和应对潜在的对抗攻击。

增强的元编排功能，用于选择和组合推理模式。支持9种方法论的加权多维选择，适用于应对复杂问题时的最佳推理策略选择。

该插件为选择最佳推理模式提供元协调指南，分析问题特征并推荐使用的认知方法，如树状思维、广度思维、自我反思链或直接分析，适用于面对复杂问题时不确定最佳推理方法的情况。

一个严格的 A/B/C 测试框架，用于实证评估推理模式。适用于需要数据驱动的模式选择、量化模式之间的权衡或验证认知方法效果的场景。