Справочник по реализации

Код контекста — запускается где угодно

Это блок, который важен, если вы просто хотите пользоваться, а не тестировать библиотеку. Не нужен ни Claude Code, ни MCP, ни аккаунт — работает в любом Python-процессе: в вашем агенте, в ноутбуке, в CI-джобе, или вставленный прямо в чат-сессию, чтобы разом задать контекст. Адаптировано напрямую из README пакета:

pip install fpf-thinking-map

from fpf_thinking_map.state import SemanticMap, RuntimeBinding
from fpf_thinking_map.primitives import (
    ContextPrimitive, RolePrimitive, GatePrimitive, GateCheck, TransitionPrimitive,
)
from fpf_thinking_map.logic import LogicLayer, DecisionRule, RuleKind, EvidencePresent, GatePasses
from fpf_thinking_map.traversal import ThinkingMapTraversal

# 1. your domain: contexts, roles, gates, transitions
sm = SemanticMap()
sm.register_context(ContextPrimitive("my_domain", "My Domain",
    glossary={"review": "check code for correctness"}))
sm.register_role(RolePrimitive("reviewer", "Reviewer", "my_domain"))
sm.register_gate(GatePrimitive("review_gate", "Review Gate", "my_domain", checks=[
    GateCheck("tests", "Tests must pass", required_evidence=["test_results"]),
]))
sm.register_transition(TransitionPrimitive(
    "start_to_reviewed", "Start -> Reviewed", "my_domain",
    from_state="start", to_state="reviewed",
    required_gate_id="review_gate", required_evidence=["test_results"],
))

# 2. optional: your own logic rules
logic = LogicLayer()
logic.add_rule(DecisionRule(
    name="review_ready",
    condition=EvidencePresent("test_results").AND(GatePasses("review_gate")),
    action_if_true="proceed_to_review", action_if_false="not_ready",
    kind=RuleKind.ROUTE, tags=["review"],
))

# 3. the engine, one step
engine = ThinkingMapTraversal(sm, logic_layer=logic)
binding = RuntimeBinding(
    task="review PR #42", actor_role_ids=["reviewer"],
    active_context_id="my_domain", current_evidence=["test_results"],
)
state = engine.build_active_state(binding, current_state="start")
outcome = engine.step(state, transition_id="start_to_reviewed")
print(outcome.kind, outcome.llm_prompt_state)

Замените my_domain/reviewer/review_gate на свой контекст, роль и шлюз — остальной механизм (состояние, срез, типизированный результат) остаётся тем же.

Промт для агента

Не хотите писать рамку вручную? Вставьте промт ниже в любого агента-программиста (Claude Code, Cursor и т. д.), у которого уже есть доступ к вашему проекту — он построит карту на основе реального кода проекта, а не общего примера выше.

Интегрируйте библиотеку fpf-thinking-map (pip install fpf-thinking-map) в этот проект.

1. Посмотрите на реальный код проекта, чтобы найти его настоящие состояния, роли и рискованные переходы — не придумывайте общий домен для галочки. Спросите меня, если это не очевидно.
2. Постройте SemanticMap: ContextPrimitive для домена, RolePrimitive(ы) для тех, кто может действовать, GatePrimitive/GateCheck для того, какие данные требует рискованный переход, и TransitionPrimitive(ы) для реальных переходов состояния.
3. Подключите ThinkingMapTraversal в существующий цикл агента: вызывайте step() перед тем, как предложить ход, и attempt_transition()/attempt_bridge(), чтобы реально его совершить. Никогда не меняйте состояние напрямую.
4. Маршрутизируйте по outcome.kind (CONTINUE, ABSTAIN, COLLECT_EVIDENCE, CHANGE_FRAME, IDLE, BRIDGE, AWAIT, ESCALATE, REVISE_PLAN) — обращайтесь с ABSTAIN/ESCALATE как с жёсткой остановкой, а не как с ошибкой, которую можно обойти повтором.
5. Запустите python -m fpf_thinking_map.verify, чтобы доказать, что карта корректна, прежде чем подключать её к чему-то, доступному пользователям.
6. Не выдумывайте шлюзы, роли или переходы, не отражающие реальные риски этого проекта — неиспользуемая, декоративная карта хуже, чем отсутствие карты.

Справка: fpf_thinking_map/README.md в установленном пакете и ARCHITECTURE.md в репозитории — полная семантика результатов и шлюзов.

Хотите попробовать без кода? Режим пользователя vs. режим разработчика, в Claude Code

Шесть шагов установки, дальше выбираете, что делать:

1. 1.Клонируйте репозиторий — git clone https://github.com/Consolidare-Continuum/fpf-agentic-thinking-map
2. 2.Перейдите в папку — cd fpf-agentic-thinking-map
3. 3.Установите локально — pip install -e .
4. 4.Установите тестовый сервер — pip install -r dev_mcp/requirements.txt
5. 5.Проверьте его — python -m dev_mcp.test_server — должно быть 42/42
6. 6.Добавьте в Claude Code, одной командой — claude mcp add fpf-test -- python -m dev_mcp.server

Оба варианта — режим для изучения, а не для продакшена: отлично, чтобы почувствовать инструмент за 10 минут перед решением о серьёзной интеграции. Для продакшена используете сразу код контекста выше, в своём собственном процессе.

Основные объекты

SemanticMap	Статическая структура и допустимые отношения.
RuntimeBinding	Текущая роль, состояние и данные.
ThinkingMapTraversal	Выбор кандидатов, проверка шлюзов и результат.

Типы результатов

9 живых результатов из 11 объявленных — CONTINUE · ABSTAIN · COLLECT_EVIDENCE · CHANGE_FRAME · IDLE · BRIDGE · AWAIT · ESCALATE · REVISE_PLAN. Ещё не задействованы: ASK, PUBLISH.

Документы репозитория

• README ↗
• fpf_thinking_map/README.md — источник кода контекста ↗
• ARCHITECTURE ↗
• REFLECTIONS ↗
• dev_mcp — тестовый сервер, использованный выше ↗
• GitHub ↗

Хотите это в своём проекте?

Базовое ядро свободно, по лицензии MIT, — вы можете взять его и развивать дальше своей собственной командой, без необходимости обращаться к нам. Но если вы хотите интегрировать ATM вместе с нами — как консультантами или как разработчиками, в реальную агентную систему: финансы, e-commerce, что угодно, где агенту нужна рамка, а не только импровизация — пишите прямо: consolidare_continuum@proton.me — адрес мейнтейнера проекта, читаю и отвечаю сам, а не анонимная форма обратной связи.