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

AI Agent 在不同的会话和环境中经常遇到相同的技术故障（例如 CI 错误、依赖超时或特定于环境的 Bug）。MisakaNet 提供了一种共享经验的方法，而不是让每个 Agent 独立调试同一个问题，从而让未来的 Agent 可以跳过失败路径。

工作原理

MisakaNet 实现了 Swarm Knowledge Protocol (SKP)，这是一个去中心化的知识网络。它使用基于 Git 的系统，其中失败教训（结构化为包含问题、根本原因、修复方法和验证步骤的 Markdown 文件）被存储和共享。该系统使用 BM25 关键词检索和 Reciprocal Rank Fusion (RRF) 来允许 Agent 搜索解决方案。它可以通过 MCP 服务器集成到 Cursor 或 Claude 等 AI 助手，或者作为 CLI 工具使用。

适用对象

  • AI Agent: 用作恢复层，以避免在任务执行过程中重复已知的失败。
  • 开发者: 在提交 pull request 之前，搜索针对常见 DevOps、Python 或特定环境错误的经过验证的修复方案。
  • 研究人员: 使用内置的 LessonReuseBench 来评估 Agent 的学习能力。

亮点

  • 零依赖核心: 搜索引擎仅使用 Python 标准库构建。
  • MCP 集成: 提供 Model Context Protocol 服务器，使 LLM 能够直接访问失败教训。
  • 去中心化: 不需要中央服务器或数据库；知识通过 Git 进行共享。
  • 自动化流水线: 包括 fatal-guard 等工具，用于捕获进程崩溃并将其转换为供 Agent 审查的草稿教训。