misakanet

MisakaNet — это основанная на git библиотека памяти о сбоях для ИИ-агентов, пишущих код. Когда появляется ошибка, агент ищет по проиндексированным урокам, применяет исправление, уже кем-то проверенное, а если ничего не совпало — приём заявки превращает этот тупик в урок для следующего агента. Каждый урок — это файл Markdown в репозитории, который рецензируется как код с коммитами, подписанными DCO, оценивается по уровню доказательности и извлекается с помощью BM25 на стандартной библиотеке Python. Ни векторной базы данных, ни модели эмбеддингов, ни сервера, если только вы сами его не захотите. Ключевые характеристики - Уроки лежат в `lessons/` как открытая, проверяемая база знаний, охватывающая такие области, как rag, devops, fanuc, docker, feishu, mcp, network, ci, wsl и windows. - Уровни доказательности идут от E0 (приём заявки) через E1 (CI), E2 (слитый PR), E3 (мейнтейнер) вплоть до E4 (повторное использование в продакшене), так что агент может оценивать общественную заявку иначе, чем проверенное в продакшене исправление. - Проект явно позиционирует себя как слой знаний для восстановления после сбоев, а не как универсальную систему памяти, среду выполнения агентов, векторную базу данных, RAG-систему, облачный сервис, требующий регистрации, или маркетплейс навыков. Навык учит, как что-то делать; урок фиксирует, что пошло не так раньше и как не провалиться снова. Интерфейсы, ориентированные на агентов - MCP-сервер, предоставляющий семь инструментов, а также WebMCP через браузерный `navigator.modelContext`. - `llms.txt` и `llms-full.txt` для краулеров и обнаружение A2A через `.well-known/agent-card.json`. - Чтение анонимно и без ограничений по HTTP; единственный лимит — окно всплеска на адрес. Регистрация нужна для записи, открывая `misakanet_write_lesson` и `misakanet_preflight` с токеном, действующим примерно 30 дней. Установка и использование - Требования: Node 18+ для установщика или Python 3.10+ для библиотеки и stdio-сервера. - `npx @misaka-net/misakanet-setup` прописывает конечную точку MCP в конфигурацию каждого ассистента, при желании — блок правил и хук. Установщик управляет такими клиентами, как Claude Code, Codex, Hermes, OpenClaw, codewhale, Cursor, Gemini CLI, Copilot CLI, OpenCode и Kiro; другие клиенты MCP-over-HTTP можно настроить вручную. - `pip install misakanet-core` даёт библиотеку BM25 без зависимостей; пакет `misakanet` на PyPI поставляет stdio MCP-сервер; пакет `misakanet` на npm — это плагин для DSH/Codex. - Один анонимный вызов `curl` к `https://misakanet.org/mcp` может вызвать `misakanet_search` без аккаунта, токена или браузера. - Флаги `--verify`, `--uninstall` и `--report` проверяют, отменяют и сообщают об установке. GitHub Action Тот же корпус можно подключить к CI: когда рабочий процесс падает, действие ищет по урокам, комментирует ближайшее совпадение в pull request и при желании сообщает о новой ошибке. Оно опубликовано на GitHub Marketplace и поддерживает режимы `suggest-only` или `suggest-and-intake`. Бенчмарк и заявленные ограничения README включает еженедельный бенчмарк, запускаемый на Cloudflare Workers AI и измеряющий `lesson_hit_rate` — долю команд внедрённого урока, воспроизведённых в ответе. Там прямо отмечено, что извлечение не вызывается и корректность не проверяется, так что это измеряет половину RAG, связанную с воспроизведением, а не доказывает, что поиск работает. Проект также прямо заявляет, что BM25 сопоставляет слова, а не смысл, поэтому сбои, описанные незнакомой лексикой, остаются пропусками; при промахе возвращается `no_match` плюс вызов приёма заявки, а не пустой результат. Известные ограничения и нецели задокументированы в LIMITATIONS.md. Вклад и безопасность Вклад принимается в виде небольших PR или заметок о сбоях из пяти строк через шаблоны issue или приём MCP, без выплаты вознаграждений. CI сканирует весь Markdown на опасные шаблоны, такие как `rm -rf`, `curl | sh` и инъекция через обратные кавычки, а README предупреждает пользователей изолировать агентов перед выполнением извлечённых команд. Проект лицензирован под Apache-2.0.