$ loading_
为任务建构确定性推理地形图，帮助代理避免过早收敛并稳定思考路径。
该工具材料显示其为开源、MIT 许可、无必需密钥且未声明固定远程端点，整体未见明确高风险红旗。主要不确定性在于其作为 MCP 工具具备本机执行能力，但 README 缺失、社区采用低、维护情况未知，建议在受限环境中使用。
材料明确标注“无”必需密钥/环境变量；从现有信息看不依赖 API token 或其他敏感凭证，凭证泄露面较低。
系统信息标注无固定远程端点，描述称可离线工作，但也提到“via API”；在 README 缺失情况下，无法完全确认是否会在某些配置下向外发送任务内容，因此需留意实际运行时网络行为。
系统已客观标记为 executes-code，说明其作为 MCP 工具会在本机运行代码/进程。这属于该类工具的常规能力，当前材料未显示超出声明用途的系统权限申请，但仍应按本地执行组件管理。
材料未说明其具体读写哪些本地文件、任务数据或其他资源；由于其具备本机执行能力，理论上数据接触面至少取决于宿主进程授予的权限。未见明确过度授权描述，但文档不足带来可见性不足。
正面因素是其开源且采用 MIT 许可，可进行源码审计；但来源为 third_party_registry，仓库社区采用仅 0 star、维护状态未知、README 缺失，供应链成熟度与持续维护信号偏弱，因此建议谨慎引入。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"superposition-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。
请根据以下任务描述生成一个双极推理地形图，帮助代理避免过早锁定方案：为跨境电商客服机器人设计问题分流与升级流程。
输出一份结构化推理地形图，展示任务的关键张力、备选路径与平衡维度。
我在离线环境中构建一个代码审查代理。请把“检查安全漏洞与代码风格”这个任务转成确定性的两极地形图，并指出容易过早收敛的环节。
得到可用于提示工程的分析框架，说明不同审查目标之间的冲突与探索顺序。
请分别为以下两个 framing 生成地形图并比较差异：A. ‘提高用户留存率’；B. ‘减少新用户流失率’，说明它们会如何影响代理的推理方向。
输出对比结果，帮助用户理解不同表述如何改变代理的分析重点与决策路径。
通过自然语言管理 Apache Superset 的数据集、指标与 SQL 查询。