Ikalus1988/MisakaNet

它解决了什么问题

AI 编码代理经常反复遇到相同的失败。当代理修复一个问题时，该修复很少被记录在其他代理以后可以找到的地方，因此同样的超时、语法错误或配置错误会在每台新机器或每个新模型上从头调试。MisakaNet 通过给代理一个共享的、基于 git 的“失败记忆”来解决这个问题：一个可搜索的经验集合，每条经验记录了什么出了问题以及如何修复，并根据证据进行分级，以便代理可以信任他们阅读的内容。

它是如何工作的

每条经验都是存储在仓库中 lessons/ 目录下的一个纯 Markdown 文件。经验遵循标准格式，带有如 source: 和 provenance.issue: 的元数据。检索仅使用 Python 标准库进行 BM25 关键词搜索——不需要向量数据库、嵌入模型或服务器，除非你想要。代理通过模型上下文协议（MCP）服务器与 MisakaNet 交互，该服务器暴露了八个工具，包括用于查找经验的 misakanet_search 和用于报告新失败的 misakanet_submit_intake。当搜索匹配时，代理会获得经验文本及其证据级别（E0 到 E4，其中 E4 表示该经验已被两个或更多不同的客户端重用）。当没有匹配时，工具返回一个 no_match 响应，并附带一个可直接调用的接收表单，因此未命中变成一个有跟踪的问题，以后可以成为新经验。系统通过 npm 安装程序安装，该程序配置十个不同的编码助手，或者可以作为公共端点运行在 https://misakanet.org/mcp 供任何 MCP 客户端使用。

它面向谁

该项目面向依赖 AI 编码代理的开发者和团队，特别是那些在不同环境（Docker、WSL、Windows、公司代理后面）中运行代理的人，这些环境中失败会跨机器重复。它也面向代理本身——整个设计是代理原生的，具有 MCP、WebMCP、llms.txt 和 A2A 发现以实现自动访问。任何开发者都可以通过报告语料库缺少的失败或重用经验并留下痕迹来贡献，这有助于提高证据级别。

亮点

• 基于 git 的经验存储：每个修复都是仓库中可审查、可审计的 Markdown 文件。
• 证据阶梯 E0–E4：经验根据验证深度分级，从原始接收到独立客户端的观察重用。
• 仅使用 Python 标准库的 BM25 搜索——不需要向量数据库、嵌入或强制服务器。
• MCP 服务器提供八个工具，加上公共匿名端点、十个客户端的 npm 安装程序、GitHub Action 集成和 Python 库 misakanet-core。
• 对局限性诚实：搜索匹配单词，而不是含义；未命中返回 no_match 加上接收表单，而不是空页面。
• 基准已记录但暂停：衡量 lesson_hit_rate（模型背诵注入经验的程度）——目前在小快照上，粘贴经验时约为 43.8%，不粘贴时约为 26.1%。
• 安全警告：经验是社区贡献的，在执行检索到的命令之前必须进行沙箱处理；CI 扫描危险模式。