howard/Agent: 支持永久记忆、持续学习、探索性解决复杂问题的Agent框架。 @ f6004630347594de26aa64f4e59d8872b4d607c4

name: knowhub description: 遇到超出现有能力的问题或复杂任务时，查询工具和资源的使用经验，回报自己的使用心得 category: tool-discovery

scope: agent:*

When to use

查询经验：

需要外部工具/库但不确定选哪个
遇到复杂任务，想知道别人用了什么工具、怎么做的
多次尝试失败，可能有人踩过同样的坑
可能需要外部资源（论文、文档、博客等）

提交经验（重要！）：

✅ 使用资源后立即提交 — 完成任务、有了结果就提交，不要等到上下文太长才想起来
✅ 获得用户反馈后补充 — 如果用户指出问题或给出建议，视情况更新或补充经验
✅ 搜索过程中的发现 — 在哪个平台找到的、用了什么关键词、哪些策略有效，都可以提交

工作流

1. 查经验

curl -s "http://localhost:8000/api/search?q=关键词"

有可用结果：直接参考。结果包含资源名、URL、评分和具体使用建议。

需要深入：结果中如果有 content_id，可以获取详细内容：

curl -s "http://localhost:8000/api/content/{content_id}"

返回内容正文 + 导航（children / prev / next），可以继续浏览相关章节。

无可用结果：进入步骤 2 自行寻找。

2. 自行寻找（仅在无经验时）

根据已知信息选择入口：

已知工具名：直接去对应平台（PyPI / npmjs / GitHub）查文档和社区反馈，搜 <工具名> review、<工具名> vs、site:reddit.com <工具名>
只知道任务，不知道用什么：先用任务描述搜社区（Google、Reddit、GitHub Discussions），看别人怎么解决的，再去对应平台确认候选
找 MCP / Skill：Smithery（npx @smithery/cli search <关键词>）、Glama.ai、awesome-mcp-servers
找库/包：PyPI、npmjs.com
找一站式集成：Composio（850+ 工具）、LangChain Tools

评估时关注社区活跃度、工程质量、可持续性、License 兼容性。简单逻辑自己写比引入依赖更快时，直接写。

3. 回报经验

⚠️ 重要：完成任务后立即提交，不要拖到上下文太长才想起来！

使用资源后，提交真实体验：

curl -s -X POST "http://localhost:8000/api/experience" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "资源名称",
    "url": "来源URL",
    "category": "mcp|skill|library|api|paper|blog|book|course",
    "task": "你在做什么（具体场景）",
    "score": 4,
    "outcome": "结果如何，优缺点",
    "tips": "最关键的一条建议",
    "submitted_by": "'$(git config user.email)'"
  }'

提交时机：

✅ 使用资源完成任务后，有了结果就提交
✅ 如果后续获得用户反馈（指出问题、给出建议），视情况再提交一条补充经验

两类经验的区分：

对资源本身的使用经验 — 提交为该资源的 experience
- 例如：使用 pymupdf 提取 PDF 表格的经验 → name: "pymupdf"
对搜索平台/策略的经验 — 提交为平台的 experience 或 knowhub 的 experience
- 对平台本身的评价 → 提交为该平台的经验（name: "smithery" / "pypi" / "github-search"）
- 关于找工具/找资源的策略、方法论 → 提交为 knowhub 的经验（name: "knowhub"）

搜索策略经验示例：

# 对搜索平台的评价
curl -s -X POST "http://localhost:8000/api/experience" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "smithery",
    "url": "https://smithery.ai",
    "category": "search-platform",
    "task": "寻找文件系统操作的 MCP server",
    "score": 4,
    "outcome": "搜索 filesystem 找到 3 个 server，但描述简略，需要进一步查看 GitHub repo",
    "tips": "Smithery 适合找 MCP server，但需要结合 GitHub 文档确认功能",
    "submitted_by": "'$(git config user.email)'"
  }'

# 关于搜索策略的经验
curl -s -X POST "http://localhost:8000/api/experience" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "knowhub",
    "url": "http://localhost:8000",
    "category": "search-platform",
    "task": "寻找 PDF 表格提取的 Python 库",
    "score": 5,
    "outcome": "搜索 pdf extract table python 直接找到 pymupdf 的高分经验，节省了大量调研时间",
    "tips": "关键词要包含具体操作动词（extract/parse）+ 目标对象（table）+ 技术栈（python）",
    "submitted_by": "'$(git config user.email)'"
  }'

字段填写要求：

name — 资源的通用名称。工具填包名（pymupdf），论文填标题（Attention Is All You Need），博客填文章标题
url — 资源的规范来源地址（GitHub repo / arXiv / 官方文档）
category — 资源类型，建议用：mcp | skill | library | api | paper | blog | book | course
task — 描述具体场景，不要写泛泛的"处理 PDF"
tips — 要具体可操作："双栏论文用 page.get_text(sort=True)"，不要写"挺好用的"
submitted_by — 可选，建议用 git config user.email

多资源协作场景：如果任务用了多个工具/资源（如 pymupdf + langchain + openai），为每个关键资源单独提交一条 experience，在 task/tips/outcome 中提及配合使用的其他资源。这样每个资源都能被搜索到，同时保留协作信息。

4. 提交内容（可选）

如果你获取了资源的详细信息（目录、章节内容等），可以提交供后续 Agent 使用：

# 提交资源概要/目录
curl -s -X POST "http://localhost:8000/api/content" \
  -H "Content-Type: application/json" \
  -d '{
    "id": "resource-name",
    "title": "资源标题",
    "body": "Markdown 格式的概要或目录内容",
    "submitted_by": "'$(git config user.email)'"
  }'

# 提交具体章节
curl -s -X POST "http://localhost:8000/api/content" \
  -H "Content-Type: application/json" \
  -d '{
    "id": "resource-name/section-key",
    "title": "章节标题",
    "body": "Markdown 格式的章节内容",
    "sort_order": 1,
    "submitted_by": "'$(git config user.email)'"
  }'

body 使用 Markdown 格式，图片用 URL 引用
根节点 ID 不含 /（如 pymupdf），子节点 ID 含 /（如 pymupdf/find-tables）
只提交对后续 Agent 有价值的内容，不要灌入全文

重要提醒

务必要向平台提交可靠的经验！不允许因为其他经验机制忽略向knowhub提交经验。

knowhub.md 6.5 KB Histórico Raw