$ loading_
为大模型接入多步推理、意图分类与纠错规划，提升回答质量并减少重复错误。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Elite Reasoning MCP" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请将 Elite Reasoning MCP 接入我的 LLM 工作流，在用户提问时先做意图分类、检查历史错误，再生成执行计划，并说明推荐的调用顺序。
一套清晰的接入方案，包含拦截流程、推理步骤顺序与执行规划建议。
我有一个客服问答机器人，经常重复之前犯过的分类错误。请用 Elite Reasoning MCP 设计一个机制，在回答前检查过去错误并给出修正策略。
一份避免重复错误的机制设计，说明如何记录历史失误、匹配风险并在输出前修正。
面对多步骤研究任务时，请使用 Elite Reasoning MCP 先判断任务类型，再拆解关键步骤、风险点和验证方法，输出可执行计划。
一个结构化执行计划，涵盖任务分类、步骤拆解、风险控制与结果验证方式。
提供推理、代码、反幻觉与记忆测试能力的 MCP 工具集。
通过结构化推理、反思与可检索记忆，帮助 AI 代理更稳健地分析和决策。
按步骤分析任务并推荐各阶段最合适的 MCP 工具使用方案。
为 AI 助手提供持久记忆、语义检索与项目分析能力，支持分支式上下文管理。
通过 MCP 为 AI 助手提供可插拔的知识检索与推理能力调用接口
将结构化推理与任务执行整合，帮助智能体可追踪地思考、决策并落实行动。