Alive Analysis

Name: Alive Analysis
Author: with-geun

โดย with-geunรุ่น 1.3.2i★ –iรันบนเครื่อง

ชื่อใน registryio.github.with-geun/alive-analysis

ติดตั้ง

ภาพรวม

คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)

Query alive-analysis history from any AI client. Tools: list, get, search, dashboard export.

สามเสาของ PopNx MCP

สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน

เสียงผู้ใช้iยังไม่มีรีวิวรีวิวเปิดพร้อมระบบบัญชีในขั้นถัดไป
ผลตรวจเบื้องต้นของเราiผ่าน 1 จาก 1 ข้อตรวจจากข้อมูลที่เปิดอยู่ ยังไม่ได้สแกนโค้ด
การใช้งานiยังไม่ได้วัด★ –

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

การเชื่อมต่อ: รันบนเครื่อง
ช่องทาง (transport): stdio
หมวด: ค้นข้อมูลและความจำของ AI

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ก่อนติดตั้ง

ผลตรวจเบื้องต้น: ผ่าน 1 จาก 1 ข้อ
รันในเครื่องคุณด้วยสิทธิ์ของผู้ใช้คุณ (ไฟล์ อินเทอร์เน็ต แอปต่าง ๆ)
ค่าที่คุณต้องใส่เอง: ALIVE_ANALYSES_DIR

ต้องเตรียมก่อน

npmติดตั้ง Node.js (มีคำสั่ง npx) ในเครื่อง

คุณใช้แอปไหน

ClaudeClaude CodeCursorVS CodeChatGPT

เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”

เปิด Claude Desktop → Settings → Developer → Edit Config แล้ววางค่านี้ในไฟล์ claude_desktop_config.json

{
  "mcpServers": {
    "alive-analysis": {
      "command": "npx",
      "args": [
        "-y",
        "alive-analysis-mcp"
      ],
      "env": {
        "ALIVE_ANALYSES_DIR": "ใส่ค่าของคุณ"
      }
    }
  }
}

พิมพ์คำสั่งนี้ใน Terminal

claude mcp add alive-analysis --env ALIVE_ANALYSES_DIR='ใส่ค่าของคุณ' -- npx -y alive-analysis-mcp

เติมค่าที่เว้นว่างไว้ก่อนรัน

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json

{
  "mcpServers": {
    "alive-analysis": {
      "command": "npx",
      "args": [
        "-y",
        "alive-analysis-mcp"
      ],
      "env": {
        "ALIVE_ANALYSES_DIR": "ใส่ค่าของคุณ"
      }
    }
  }
}

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

{
  "servers": {
    "alive-analysis": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "alive-analysis-mcp"
      ],
      "env": {
        "ALIVE_ANALYSES_DIR": "ใส่ค่าของคุณ"
      }
    }
  }
}

ตัวนี้รันในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะ server บนอินเทอร์เน็ต ลองเลือกแอปอื่น

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าที่ต้องใส่เอง

ALIVE_ANALYSES_DIR env
Path to your analyses/ directory (default: ./analyses)

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 7 พ.ย. 2569

✓ ผ่าน
ตัวตนผู้ทำตรงกับ repo
ชื่อใน registry ยืนยันด้วยบัญชี GitHub with-geun ซึ่งเป็นเจ้าของ repo
… ยังไม่ตรวจ
ยังมีคนดูแล
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
มีสัญญาอนุญาต (license)
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
– ไม่เกี่ยว
endpoint ตอบ
ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต
– ไม่เกี่ยว
ล็อกอินแบบ OAuth
ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน
… ยังไม่ตรวจ
คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง
รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต

เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi

ดาวมากกว่า 0% ของอีก 7258 ตัวในหมวดนี้
ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 6% ของอีก 7258 ตัวในหมวดนี้
ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 7258 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

Alive Analysis ปลอดภัยไหม?

จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

registry ไม่ได้ระบุว่าต้องใช้กุญแจ แต่บางตัวจะขอให้ล็อกอินตอนใช้ครั้งแรก

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (1.3.2) เข้า registry 8 เดือนที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Node.js ในเครื่องด้วย

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี Context7, Codebase Memory, Exa

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

อ่านการ์ด:★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi

Context7

โดย upstash

ส่งคู่มือการใช้ไลบรารีและเฟรมเวิร์กรุ่นล่าสุดให้ AI อ่านก่อนตอบ ช่วยให้โค้ดที่ AI เขียนไม่ใช้คำสั่งเก่าที่เลิกใช้แล้ว

บนเครื่องหรือคลาวด์★ 64,224MITอัปเดต วันนี้

ติดตั้ง

Codebase Memory

โดย DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

รันบนเครื่อง★ 48,148MITอัปเดต 20 วันที่ผ่านมา

ติดตั้ง

Exa

โดย exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

รันบนคลาวด์★ 5,213MITอัปเดต เดือนที่แล้ว

ติดตั้ง

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

alive-analysis

Structured analysis workflow for AI coding agents — every analysis traceable, repeatable, and team-shareable.

Why this exists

You ask Claude to investigate a metric drop. It gives you an answer. You act on it.

Three months later: *"Why did we change that?"* — gone. No reasoning, no data checks, no audit trail.

Or you open a new chat and explain the whole context again from scratch, repeating work that already happened.

alive-analysis solves this by turning every analysis into a structured, version-controlled workflow. Claude guides you through a five-stage loop. Each stage produces a markdown file. Everything stays in your repo, searchable by you and by Claude.

The result: a growing knowledge base of how your team thinks, not just what it decided.

How it works

You describe a question  →  /analysis-new

↓ Claude walks you through 5 stages: ASK → LOOK → INVESTIGATE → VOICE → EVOLVE ↓ Each stage = one markdown file in analyses/ ↓ Files are Git-tracked, full-text searchable, readable by Claude in future conversations ↓ Six months later: /analysis-search "checkout drop" → Claude surfaces context, findings, and follow-ups

Installation

# Clone the repo

git clone https://github.com/with-geun/alive-analysis.git /tmp/alive-analysis

Install — pick your platform

bash /tmp/alive-analysis/install.sh # Claude Code bash /tmp/alive-analysis/install.sh --cursor # Cursor bash /tmp/alive-analysis/install.sh --both # Both

One-time setup — run in your AI agent chat (not the terminal)

/analysis-init # Configure language, team, data stack, key metrics /analysis-new # Start your first analysis

That's it. Claude handles the rest.

The ALIVE Loop

Every analysis follows the same five-stage structure. Each stage has a clear purpose, a checklist, and a quality gate before moving forward.

Stage	Question	Output
❓ ASK	What do we want to know — and why?	Hypothesis tree, scope, success criteria
👀 LOOK	What does the data actually show?	Data quality verdict, SQL templates
🔍 INVESTIGATE	Why is it really happening?	Results with confidence levels
📢 VOICE	So what — and now what?	Recommendations, audience-specific messages
🌱 EVOLVE	What would change the conclusion?	Follow-up analyses, impact tracking

You never skip a stage without a deliberate choice. The loop enforces analytical discipline — even when you're in a hurry.

Three Modes

Full Mode — for decisions that matter

Five separate files, one per stage. ~40-item checklists. All specialist agents available. Use this when the decision is high-stakes, when you'll need to explain your reasoning, or when you want the full audit trail.

analyses/active/F-2026-0303-001_checkout-drop/

├── 01_ask.md ├── 02_look.md ├── 03_investigate.md ├── 04_voice.md └── 05_evolve.md

Quick Mode — for fast turnaround

Everything in one file. Compressed checklist. Same ALIVE structure, just lighter. Use this for exploratory questions, morning standups, or anything you need in under an hour. If it grows in scope, /analysis-promote converts it to Full automatically.

analyses/active/quick_Q-2026-0308-001_dau-check.md

Learn Mode — for building the skill

Guided scenarios with rubric-based scoring, progressive hints, and common-mistake detection. Seven real-world scenarios across two levels. Use this onboard new analysts, practice unfamiliar analysis types, or train interns.

analyses/active/L-2026-0220-002_signup-drop-scenario/

All Commands

Core workflow

Command	What it does
`/analysis-init`	One-time setup: language, team name, data stack, key metrics
`/analysis-new`	Start a new analysis — choose Full or Quick, set the question
`/analysis-next`	Move to the next ALIVE stage with quality gate check
`/analysis-status`	Show current stage, checklist progress, open questions
`/analysis-archive`	Mark complete, move to `analyses/archive/`
`/analysis-list`	Browse all analyses with filters (type, stage, analyst, tags)
`/analysis-promote`	Upgrade a Quick analysis to Full when scope expands

Finding and reviewing past work

Command	What it does
`/analysis-search`	Full-text search across all analyses — titles, findings, hypotheses
`/analysis-retro`	Generate a retrospective report for a period (`--last-month`, `--last-quarter`, `--all`)
`/analysis-dashboard`	Export analyses to JSON → load into the visual team dashboard
`/analysis-dr`	Manage Decision Records — the team's methodology decision log
`/analysis-wiki`	Maintain the Analysis Wiki — AI-compiled knowledge base from all analyses

Specialist agents

Command	What it does
`/analysis-agent`	Show which specialist agents are recommended for the current stage
`/analysis-agent {number}`	Run a specific agent directly
`/analysis-agent "{alias}"`	Run by alias (e.g. `"stats"`, `"causal"`, `"ethics"`)

Experiments and monitoring

Command	What it does
`/analysis-new` (Experiment type)	Start an A/B test analysis — adapted ALIVE loop with pre-registration
`/monitor-setup`	Configure metric monitoring with alert thresholds
`/analysis-new --from-alert {alert-id}`	Escalate a metric alert directly into a new analysis

Education mode

Command	What it does
`/analysis-learn`	Start a learning scenario — choose level and scenario
`/analysis-learn-next`	Get feedback on your current stage and advance
`/analysis-learn-hint`	Request a hint (three levels: direction → specific → near-answer)
`/analysis-learn-review`	Complete the scenario with a scored review and skill radar

31 Specialist Agents

At each ALIVE stage, a routing engine reads your analysis context and recommends the right specialists from a pool of 31 agents. You choose which ones to run.

Required gates (auto-run, no confirmation needed)

These four run automatically when their trigger condition is met:

Agent	When it runs
scope-guard	Detects multi-question mixing or scope expansion — offers 3 options to contain it
data-quality-sentinel	Checks data completeness before you leave LOOK
ethics-guard	Flags PII exposure, survivorship bias, fairness issues
reproducibility-keeper	Verifies steps are documented enough to replay

Optional specialists by stage

ASK — problem-framer, hypothesis-gen, metric-translator, sampling-designer

LOOK — data-scout, tracking-auditor, lineage-mapper, sql-writer

INVESTIGATE — eda-agent, stats-agent, experiment-designer, causal-agent, root-cause-analyst, ml-agent, forecast-agent, anomaly-detector, chart-recommender, dashboard-designer, peer-reviewer

VOICE — narrative-agent, exec-summarizer, decision-memo-writer

EVOLVE — metric-definer, semantic-layer-engineer, governance-steward

The routing engine scores each agent against your current context (analysis type, domain, data signals) and presents the top 3 with a plain-language explanation: *"This analysis involves a before/after metric change with no randomization — the causal-agent can assess whether DID or RDD is appropriate here."*

Agents can be disabled per-project in .analysis/agents.yml.

Experiment Support (A/B Testing)

When you run /analysis-new and choose Experiment type, the ALIVE loop adapts:

DESIGN → VALIDATE → ANALYZE → DECIDE → LEARN

Key enforcements:

Pre-registration lock: Analysis plan is written and locked before results are revealed — prevents post-hoc rationalization
SRM detection: Sample Ratio Mismatch flagged automatically during VALIDATE
Guardrail metrics: Counter-metrics defined alongside primary metric to catch unintended side effects
Multiple comparison correction: Alerts when running many variants without adjustment
Statistical validity: The stats-agent verifies power, sample size, and test selection before you call significance

Metric Monitoring

/monitor-setup

Configure thresholds for your key metrics. When an alert fires, escalate it directly into an analysis:

/analysis-new --from-alert {alert-id}

The ALIVE context pre-fills with the alert data — metric name, value, time window, relevant segments. You start at ASK with context already loaded.

Analysis Search and Retrospective

Search across all past analyses

/analysis-search "checkout funnel"

Full-text search across titles, hypotheses, findings, and follow-ups. Returns matching analyses with surrounding context, cross-references to related analyses, and suggestions for follow-up work.

Automatic retrospective

/analysis-retro --last-quarter

Aggregates all analyses in a period into a structured report:

Activity summary (analyses by type, analyst, stage completion)
Impact tracking (recommendations → decisions → outcomes)
Recurring patterns and unresolved follow-ups
Team-level metrics (acceptance rate, decision speed, analysis accuracy over time)

Output: analyses/.retro/retro_{period}.md

Analysis Memory System (v1.4)

Two features that give your team persistent analytical memory — so knowledge compounds instead of disappearing into chat history.

Decision Records — `/analysis-dr`

An append-only log of methodology decisions, adapted from the software engineering concept of Architecture Decision Records (ADR).

The problem it solves: Claude keeps suggesting "what if we try Bayesian A/B testing?" even though your team decided that two months ago. Or a new analyst uses a different DAU definition than everyone else. Decision Records prevent this by giving AI a permanent record of what's already been decided — and why.

Five decision types:

Type	What it captures
Metric	How a metric is defined ("DAU = core feature usage, not app launch")
Methodology	Statistical method choices ("A/B tests: Bayesian, 95% credibility")
Scope	Segment or time window standards ("new user = first 7 days, D0 inclusive")
Model	Algorithm selection and why alternatives were rejected
Principle	Analytical standards ("causal claims require DiD/RD/IV")

Append-only: Decisions are never edited or deleted. If reversed, the old DR is marked Superseded by DR-NNN — so future analysts understand why the team thought differently at that time.

/analysis-dr new        # Write a new decision record

/analysis-dr scan # Find DR candidates from existing analyses /analysis-dr list # Show all recorded decisions /analysis-dr show 003 # Show DR-003 in detail

DRs integrate with the agent system — 6 methodology-suggesting agents (hypothesis-gen, stats-agent, metric-definer, metric-translator, experiment-designer, causal-agent) check decision records before suggesting alternatives. No more debating the same methodology question twice.

Analysis Wiki — `/analysis-wiki`

A structured, AI-maintained knowledge base compiled fro

ตัดมาแค่ช่วงต้น อ่านต่อใน repo

Alive Analysis

ภาพรวม

สามเสาของ PopNx MCP

ใช้ทำอะไรได้

ติดตั้ง

ก่อนติดตั้ง

ค่าที่ต้องใส่เอง

ทำอะไรได้บ้าง

ผลตรวจเบื้องต้นi

ตัวตนผู้ทำตรงกับ repo

ยังมีคนดูแล

มีสัญญาอนุญาต (license)

endpoint ตอบ

ล็อกอินแบบ OAuth

คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi

คำถามที่พบบ่อย

ตัวที่ใช้แทนได้

Context7

Codebase Memory

Exa

README จากผู้ทำ

alive-analysis

Why this exists

How it works

Installation

Install — pick your platform

One-time setup — run in your AI agent chat (not the terminal)

The ALIVE Loop

Three Modes

Full Mode — for decisions that matter

Quick Mode — for fast turnaround

Learn Mode — for building the skill

All Commands

Core workflow

Finding and reviewing past work

Specialist agents

Experiments and monitoring

Education mode

31 Specialist Agents

Required gates (auto-run, no confirmation needed)

Optional specialists by stage

Experiment Support (A/B Testing)

Metric Monitoring

Analysis Search and Retrospective

Search across all past analyses

Automatic retrospective

Analysis Memory System (v1.4)

Decision Records — /analysis-dr

Analysis Wiki — /analysis-wiki

Decision Records — `/analysis-dr`

Analysis Wiki — `/analysis-wiki`