Historiq
What is Historiq
HistorIQ is an interactive historical knowledge platform that integrates Retrieval-Augmented Generation (RAG), AI Agents, and the Model Context Protocol (MCP) architecture. It allows users to inquire about historical events, stories, and extended knowledge through natural language, visualizing AI reasoning contexts and reference materials.
Use cases
Use cases for HistorIQ include interactive history lessons, personalized storytelling experiences, knowledge retrieval for research purposes, and immersive learning through voice interactions.
How to use
Users can interact with HistorIQ by entering questions in natural language. The platform processes these inquiries through a multi-stage reasoning and knowledge retrieval system, providing contextually relevant answers. The interface supports voice input and reading modes for an immersive learning experience.
Key features
Key features of HistorIQ include AI multi-turn interaction with contextual memory, integration of RAG for enhanced accuracy, a clear MCP architecture, story-based responses for educational purposes, and voice input and narration capabilities.
Where to use
HistorIQ is suitable for educational settings, particularly in history education, knowledge exploration, and interactive storytelling. It can be utilized in schools, museums, and online learning platforms.
Clients Supporting MCP
The following are the main client software that supports the Model Context Protocol. Click the link to visit the official website for more information.
Overview
What is Historiq
HistorIQ is an interactive historical knowledge platform that integrates Retrieval-Augmented Generation (RAG), AI Agents, and the Model Context Protocol (MCP) architecture. It allows users to inquire about historical events, stories, and extended knowledge through natural language, visualizing AI reasoning contexts and reference materials.
Use cases
Use cases for HistorIQ include interactive history lessons, personalized storytelling experiences, knowledge retrieval for research purposes, and immersive learning through voice interactions.
How to use
Users can interact with HistorIQ by entering questions in natural language. The platform processes these inquiries through a multi-stage reasoning and knowledge retrieval system, providing contextually relevant answers. The interface supports voice input and reading modes for an immersive learning experience.
Key features
Key features of HistorIQ include AI multi-turn interaction with contextual memory, integration of RAG for enhanced accuracy, a clear MCP architecture, story-based responses for educational purposes, and voice input and narration capabilities.
Where to use
HistorIQ is suitable for educational settings, particularly in history education, knowledge exploration, and interactive storytelling. It can be utilized in schools, museums, and online learning platforms.
Clients Supporting MCP
The following are the main client software that supports the Model Context Protocol. Click the link to visit the official website for more information.
Content
HistorIQ
HistorIQ 是一個基於模型上下文協議（Model Context Protocol, MCP）架構的 AI 歷史小說平台。整合了 RAG（Retrieval-Augmented Generation）、AI Agent、與本地部署的大語言模型（LLM），讓使用者能夠以自然語言提問歷史事件、人物與文化主題，系統則透過多階段推理與知識檢索生成具脈絡性的回答。
核心亮點 / 特點
| 項目 | 說明 |
|---|---|
| 🧠 MCP 架構驅動 | 採用「模型上下文協議（MCP）」劃分 Client / Server / Agent / RAG，模組化、可擴展。 |
| ✍️ 歷史小說生成專用模型引導 | AI 扮演「歷史小說作家」角色，自動構思章節、角色心理與文學敘事，支援 Markdown 排版。 |
| 🧵 章節式敘事結構 | 每次生成包含 4~6 章節，標題與主題皆具文學性與劇情連貫性，內容可直接出版。 |
| 📖 人文素養強化 | 明確引導 AI 引用詩詞、經典詞句與歷代語錄，讓讀者同時欣賞歷史與語文之美。 |
| 🌐 全繁體中文設計 | 包含 UI 介面、提示語、故事內容全以繁體中文實作，符合本地文化閱讀習慣。 |
| 🔊 語音朗讀與高亮動畫 | 實作 Web Speech API，支援故事朗讀 + 高亮顯示目前句段，搭配古箏背景音樂。 |
| 🔁 續寫與互動補強 | 使用者可進一步點擊功能如「續寫故事」「風格改寫」「三句摘要」追加故事互動。 |
| 📜 RAG 融合 | 引入檢索式生成（Retrieval-Augmented Generation）模組補充背景知識。 |
MCP（Model Context Protocol）
本專案遵循 MCP（Model Context Protocol）模型上下文協議 的設計原則，並實作以下關鍵模組與規範：
| 模組 | 說明 | 實作狀態 |
|---|---|---|
MCP Server |
作為上下文協議核心中介，處理多輪對話狀態、代理分流、語境管理與任務調度 | ✅ 已完成 |
MCP Client (Web) |
提供使用者互動入口，支援問題輸入、上下文顯示、按鈕互動等 | ✅ 已完成 |
AI Agent |
接收 Server 任務委派，進行多步推理與角色化內容生成 | ✅ 已完成 |
RAG Retriever |
檢索外部知識內容（如歷史資料庫）並回傳上下文給 AI 模型使用 | ✅ 已完成 |
LLM 接口模組 |
支援本地 LLM（如 LM Studio）語言模型的 API 呼叫與回應解析 | ✅ 已完成 |
功能選單控制 |
故事結束後提供互動按鈕，如「延伸故事」、「轉換風格」等操作，並由 MCP Server 分派對應服務 | ✅ 已完成 |
上下文管理機制 |
每位使用者會有獨立 session ID，並記錄歷史問答脈絡，提供語境維持功能 | ✅ 已完成 |
多模組解耦架構 |
各模組（RAG、Agent、Server、Client）具備明確職責與獨立維護界線 | ✅ 已完成 |
延伸任務鏈設計 |
支援故事後續分支與按鈕觸發任務，如「AI 講書人」、「產出摘要」等 | ✅ 已完成 |
MCP 規範相容性 |
遵守 MCP 的 Request/Response 與任務分層邏輯，可擴展至更多 Agent 或 Tool | ✅ 初步完成 |
整體架構與功能模組概覽
| 模組層 | 元件 | 說明 |
|---|---|---|
MCP Client |
index.html, app.py |
前端頁面與 Web API 入口 |
MCP Server |
mcp_server.py |
實作所有 AI 邏輯與服務功能 |
AI Agent |
story_agent.py |
呼叫 LLM 生成內容（Gemma） |
RAG |
rag.py |
向量搜尋補充知識背景（已掛入 prompt） |
MCP Server 所提供的服務總表
| 函式 | API | 功能描述 |
|---|---|---|
stream_story() |
/stream |
根據輸入主題串流生成歷史小說 |
summarize() |
/summarize |
三句話濃縮故事摘要 |
chapter_titles() |
/chapter-titles |
自動生成章節標題與概要 |
variant_style() |
/variant-style |
以指定風格（如詩意）重寫內容 |
continue_story() |
/continue-story |
從原內容延續劇情並追加後續章節 |
使用者互動功能（前端整合）
| 功能按鈕 | 描述 | 對應 API |
|---|---|---|
開始朗讀 |
文字朗讀並同步高亮段落 | Web Speech API |
摘要 |
產出三句簡潔摘要 | /summarize |
章節 |
章節目錄建議（含主題與描述） | /chapter-titles |
換風格 |
詩意/史詩風改寫內容 | /variant-style |
續寫故事 |
延續章節，保持敘事連貫性 | /continue-story |
特殊優化設計亮點
- ✅ 輸入欄與功能區 固定在底部
- ✅ AI 串流輸出時，內容由上往下自然堆疊
- ✅ 使用 Markdown 格式排版，美觀清晰
- ✅ 引導 AI 融合歷代詩詞與經典語錄，提升人文素養
- ✅ 具備基本 RAG 植入，可擴充知識強化模組
前端ui畫面展示
剛開始的畫面
文章產製完畢的畫面
點擊摘要按鈕後的畫面
Dev Tools Supporting MCP
The following are the main code editors that support the Model Context Protocol. Click the link to visit the official website for more information.
