| name | neuro-bridge |
| description | 通过本地模型(Neuro-Core)直接控制 Windows 操作系统。当需要执行键鼠模拟、截图分析、OS 级命令行或绕过沙箱限制的操作时调用。支持深度推理、记忆管理、MCP 服务器管理、代码搜索与理解、文件修改与验证、浏览器自动化等能力。 |
Neuro-Bridge 技能
功能概述
Neuro-Bridge 是一个基于 FastMCP 的本地 AI 助手系统,通过本地模型(Neuro-Core)直接控制 Windows 操作系统。
核心能力
1. 深度推理 (deep_reasoning)
- 复杂分析、架构设计、根因分析
- 支持 P1_RESEARCH、P2_OPTIMIZATION、P3_GENERAL 三种思维协议
2. 记忆管理 (manage_memory)
- 存储/检索项目知识
- 基于 BM25 + Mem0 风格的混合召回
3. MCP 服务器管理
- 配置、启用与验证 MCP Server
- 工具:Read、RunCommand、SearchCodebase
4. 代码搜索与理解
- 定位关键实现并生成结构化理解摘要
- 工具:SearchCodebase、Read、Grep
5. 文件修改与验证
- 安全编辑文件并验证改动生效
- 工具:Read、apply_patch、RunCommand、GetDiagnostics
6. 浏览器自动化
- 按步骤完成网页操作并获取结果
- 工具:WebFetch、WebSearch、OpenPreview
工作流模板
- 需求到改动 - 把需求变成可执行修改
- 问题定位与修复 - 快速定位问题根因
- 批量改名/替换 - 跨文件一致性修改
- 网页信息提取 - 抽取结构化要点
- 知识沉淀 - 把结论写入长期记忆
使用方法
from neuro_mcp_server import deep_reasoning, manage_memory, self_check
result = deep_reasoning(
intent="分析代码架构缺陷",
context="[代码片段]",
protocol="P1_RESEARCH"
)
manage_memory(
operation="store",
content="项目使用 FastMCP 框架",
tags=["architecture"]
)
status = self_check()
环境要求
项目结构
src/
├── neuro_mcp_server.py # FastMCP 服务器
└── neuro_memory.py # 记忆系统
更新日志
- v1.0.0 (2026-02-11): 初始版本,包含 5 个能力蓝图和 5 个工作流模板