4DLLM

语言: English | 中文

一个强大的、基于数据库的 MCP 服务器，用于自动化处理、分析和解释 4D-STEM 数据。它集成了 K-Means 聚类、大型语言模型 (LLM) 语义分析和晶体学模拟 (CIF) 工作流，并通过 PostgreSQL 确保所有分析结果的完整可追溯性。

✨ 核心特性

• 🔧 端到端工作流: 从原始 .mib 文件到 LLM 生成的语义标签和晶体结构识别，全流程自动化。
• 🧠 LLM 集成: 利用大语言模型（如 GPT-4）为衍射图案聚类提供人类可读的共识描述和分类标签。
• 🏗️ 数据库中心化: 所有数据、参数和结果均存储在 PostgreSQL 中，保证分析的可重复性和完美溯源。
• ⚡ MCP 协议支持: 作为标准 MCP 服务器，可与 Claude.ai、Cursor 等任何 MCP 客户端无缝集成，极大提升研究效率。
• 🔬 领域专家设计: 专为材料科学和电子显微镜研究者设计，提供 CIF 模拟与对比等专业功能。

🔧 项目架构图

<div align="center"> <picture> <img src="assets/struct_1.jpg" width="80%" alt="ckpt-engine"> </picture> <picture> <img src="assets/struct_2.jpg" width="80%" alt="ckpt-engine"> </picture> </div>

🔬 解析结果

<div align="center"> <picture> <img src="assets/results.jpg" width="80%" alt="ckpt-engine"> </picture> </div>

相较传统（人工标定+监督训练）方法：

• 大幅提高分类颗粒度与准确度
• 发现更多材料特征
• MCP自动化显著减少人工工作量，提高效率
• 数据库化存储与管理，便于后续分析与扩展

🚀 快速开始

环境要求

请确保你的系统已安装：

• Python 3.13+
• Docker 和 Docker Compose
• UV 包管理器

安装与设置

1. 克隆仓库:

   git clone https://github.com/Frank0415/4DLLM.git
   cd 4DLLM
   

2. 使用 UV 安装依赖:

   uv sync
   

3. 启动数据库:

   docker-compose -f docker/docker-compose.yml up -d
   

4. 初始化数据库结构:

   python setup_database.py
   

5. 配置 LLM API 密钥和数据库凭证:

   cp config/db_config_example.json config/database.json
   cp config/api_keys_example.json config/api_keys.json
   

   在 config/database.json 中填写数据库凭证，在 config/api_keys.json 中配置LLM API密钥。

📖 文档

请参阅我们的完整文档以获取全面的使用指南和 MCP 工具列表。

📜 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

🙏 致谢

本项目的开发建立在以下优秀开源项目的基础之上。我们向其创作者表示深切感谢：

• crystaldba/postgres-mcp (MIT) - MCP服务器框架。
• ia-programming/mcp-images (MIT) - 图像处理功能。
• blazickjp/arxiv-mcp-server (Apache-2.0) - 用于ArXiv论文分析的MCP服务器。

---

免责声明: 本项目是一个研究平台，有效使用可能需要领域专业知识（4D-STEM，材料科学）。