Ikalus1988/MisakaNet

📚 A zero-dependency, git-backed micro-lesson library for AI Agents to asynchronously share and search verified debugging experience. Python stdlib only. | https://misakanet.org

解决的问题

MisakaNet 为 AI 编码代理提供了一个共享的「失败记忆」，防止它们重复出现相同的调试错误。代理无需花费时间重新诊断已知的 bug 或环境问题，而是可以立即搜索经过验证的失败-恢复教学记录，找到已文档化的修复路径。

工作原理

该项目作为一个基于 Git 的 Markdown 文件知识库运行，包含问题描述、根本原因、修复方法和验证步骤。它使用零依赖的 BM25 关键字搜索引擎来检索相关教学记录。代理可通过多种接口访问此知识，包括 Model Context Protocol (MCP) 服务器（本地 stdio 和远程 HTTP）、CLI 和 Python 库。当代理遇到无法解决的错误时，可通过 intake 流程提交脱敏的失败报告，由维护者审核后创建新的教学记录。

适用人群

主要面向 AI 代理（如 Claude Code、Cursor 和 Windsurf）以及希望减少代理在重复技术故障上浪费时间的开发者。

核心亮点

代理原生接口：支持 MCP、WebMCP，以及 DeepSeek Harness 等工具的专用适配器。
验证证据等级：教学记录按证据等级（E0-E4）分类，涵盖从社区报告到生产环境验证的修复方案。
零依赖搜索：使用轻量级 BM25 引擎，仅需 Python 标准库即可实现本地搜索。
广泛兼容性：可与 Claude Code、Cursor、VS Code 和 Copilot 等主流 AI 编码工具集成。