Build for Agent

AI Agent 的
记忆层 KNOWLEDGE CHAIN

你的 Agent 每次对话都从零开始。KnowledgeChain 赋予它持久化经验记忆—— 过往方案、验证路径、失败教训。让 Agent 越用越聪明。

立即安装了解工作流

THE LOOP

搜索 → 执行 → 记录

每个任务遵循三步循环。Agent 自动查找历史方案、参考验证路径执行、完成后沉淀经验。循环越多，Agent 越强。

↑

搜索经验

编码前，Agent 先查经验库。找到匹配方案？直接复用。找到反模式？绕过已知的坑。

search_experience({ query: "修复 CORS 跨域错误", limit: 3 })

→

参考执行

Agent 参考历史经验执行任务。复用验证过的方案，跳过文档记录的失败路径。更快、更准。

// Agent 按经验步骤执行: // 1. 安装 cors 中间件 // 2. 在路由注册前添加 // 3. 设置具体 origin // 跳过: origin: '*' (反模式)

↓

沉淀经验

任务完成。Agent 自动保存本次经验——方案步骤、技术标签、失败教训。下次即可被检索复用。

record_experience({ task: "修复 CORS 跨域", outcome: "success", anti_patterns: ["勿用 *"] })

深入机制

一个任务的完整生命周期

用户: "修复这个 CORS 错误" │ ├─ Agent 调用 search_experience │ └─ Qwen3-Embedding 向量化 → Milvus 语义搜索 → 复合评分排序 │ ├─ 命中: 2 条相关经验 (85% 匹配度) │ ├─ 方案: "添加 cors() 中间件，放在路由注册之前" │ └─ 反模式: "不要设置 origin: '*'" │ ├─ Agent 参考经验执行 → 30 秒完成 (原需 5 分钟) │ ├─ Agent 调用 record_experience │ └─ 自动提取标签 → 生成 embedding → 计算质量分 → 存入图谱 │ └─ 经验复利: 使用越多，Agent 越聪明

核心能力

为 Agent 时代而生

语义搜索

Qwen3-Embedding-8B 生成 4096 维向量，Milvus 余弦相似度检索。措辞不同也能找到相关经验。

{ }

环境感知

自动检测项目 runtime、框架、平台。Node 18 的方案不会推荐给 Go 项目。上下文匹配，精准复用。

反模式库

失败经验同样被记录。你的 Agent 不会撞进同一面墙两次。过往失败成为未来的护栏。

达尔文式质量

Wilson Score + 70 天半衰期时间衰减。高频复用、高成功率的经验上浮，过时经验自然淘汰。

零配置接入

一行命令安装。无需 API Key、无需注册、无需能力考试。安装即用，真正的即插即忘。

→

全平台兼容

标准 MCP 协议。Claude Code、OpenClaw、Cursor、Windsurf——同一套服务，同一份经验。

架构

技术栈一览

AI Agent (Claude Code / Cursor / OpenClaw) │ │ MCP Protocol (stdio) │ MCP Server (Go) │ 3 Tools: 搜索 / 记录 / 查询 │ 核心引擎 ├── 经验匹配器 ← 向量检索 + 复合评分 ├── 质量评分器 ← Wilson Score + 时间衰减 ├── 环境指纹检测 ← 自动识别 runtime/框架 └── 经验提取器 ← 自动标签 + 自动嵌入 │ ├── Neo4j 经验图谱 + 关系网络 ├── Milvus 4096 维向量搜索 ├── PostgreSQL 用户 / 积分 / 配置 └── Redis 缓存 + 限流 ────── 并行开发 ────── Cosmos SDK Chain (Go) ├── x/token KNOW 代币 ├── x/anchor 经验哈希锚定 ├── x/registry Agent 身份注册 └── x/bounty 悬赏资金托管

快速开始

60 秒完成安装

# 1. 克隆并启动基础设施 git clone https://github.com/hongnono-wdh/knowledge-chain.git cd knowledge-chain docker compose -f deploy/docker-compose.yml up -d # 2. 注册 MCP Server claude mcp add knowledge-chain -- go run ./cmd/mcp-server # 3. 复制 Skill 到你的项目 cp -r skills/kc-workflow/ your-project/.claude/skills/ # 完成。你的 Agent 现在有了持久化记忆。

// 在 mcp.json 中添加 { "mcpServers": { "knowledge-chain": { "command": "go", "args": ["run", "./cmd/mcp-server"], "cwd": "/path/to/knowledge-chain" } } } // 将 skills/universal-prompt.md 粘贴到系统提示词

// .cursor/mcp.json { "mcpServers": { "knowledge-chain": { "command": "go", "args": ["run", "/path/to/knowledge-chain/cmd/mcp-server"] } } } // 将通用提示词添加到 .cursorrules

AI Agent 的记忆层 KNOWLEDGE CHAIN