PersonalKnowHow

PersonalKnowHow MCP — 公开演示

通过某人的知识图谱公开导出数据提供的未认证 MCP 服务 （public_entries.json + public_embeddings.json，由 ingest/build_public_export.py 的默认拒绝许可名单构建）。此处的每条记录都代表实际做过或完成的事情（课程、项目、认证、职位、教育经历等）——职业兴趣／求职申请相关的“信号”证据在结构上就被排除在此导出数据之外，而不是仅在查询时过滤。

工具

query_knowhow(topic: string)

语义搜索，按相关性排序，最多返回 10 条结果。结果并不详尽——真正匹配的内容也可能排在截断范围之外。

query_knowhow({ topic: "django" })
→ { "found": true, "count": 4, "evidence": [
      { "id": "github_django_docker_db", "label": "django_docker_db", "type": "project", "score": 0.735, ... },
      { "id": "github_django_docker", "label": "django_docker", "type": "project", "score": 0.71, ... },
      { "id": "github_startup", "label": "StartUp", "type": "project", "score": 0.706, ... },
      { "id": "github_news_sentiment_app", "label": "News-sentiment-app", "type": "project", "score": 0.676, ... }
   ] }

list_by_type(type: string)

返回某一类型的完整、准确的记录集合——不排序，也不设上限。

list_by_type({ type: "certification" })
→ { "type": "certification", "count": N, "entries": [ { "id": "...", "label": "...", ... }, ... ] }

related_entries(id: string)

给定一条记录的 ID，返回至少共享一个标签或提供方相同的其他记录——每组最多返回 15 条，并始终显示实际数量。

related_entries({ id: "github_django_docker" })
→ { "id": "github_django_docker", "type": "project",
    "related_by_tag": {
      "docker": { "count": 4, "entries": [
        { "id": "github_django_docker_db", "label": "django_docker_db", "type": "project" }, ... ] },
      "aws": { "count": 16, "entries": [ ... ] },
      "cloud": { "count": 51, "entries": [ ... ] },
      "devops": { "count": 10, "entries": [ ... ] }
    },
    "related_by_provider": { "count": 36, "entries": [ ... ] } }

（注意：此示例中，related_entries 只将 django_docker 与另一个共享了无关标签的 Django 仓库归为一组——StartUp 和 News-sentiment-app 都没有出现，因为它们与该记录没有共享标签。下面的 skill_evidence({ tag: "docker" }) 则会找到所有这些记录，因为它直接按标签匹配，无须从某条特定的起始记录沿着共享标签路径查找。）

skill_evidence(tag: string)

按标签进行精确匹配（非语义匹配），不设上限，并按 type 分组且显示实际数量。适用于回答“我实际做过多少项 X”或“我是否有任何关于 X 的真实证据”。

skill_evidence({ tag: "docker" })
→ {
    "tag": "docker", "found": true, "count": 5,
    "by_type": {
      "project": {
        "count": 4, "undated_count": 0,
        "entries": [
          { "id": "github_django_docker", "label": "django_docker", "captured_at": "2021-06-10" },
          { "id": "github_django_docker_db", "label": "django_docker_db", "captured_at": "2021-06-22" },
          { "id": "github_bedex", "label": "BedEx", "captured_at": "2025-05-29" },
          { "id": "github_terraform_associate_prep", "label": "terraform-associate-prep", "captured_at": "2026-08-03" }
        ]
      },
      "endorsement": {
        "count": 1, "undated_count": 0,
        "entries": [
          { "id": "linkedin_endorsements_docker_products_202209", "label": "Endorsed: Docker Products", "captured_at": "2022-09-21" }
        ]
      }
    }
  }

skill_evidence({ tag: "gcp" })
→ {
    "tag": "gcp", "found": true, "count": 2,
    "by_type": {
      "position": { "count": 1, "undated_count": 0, "entries": [
        { "id": "linkedin_positions_data_engineer_data_analyst_at_biites_202107",
          "label": "Data Engineer & Data Analyst at Biites", "captured_at": "2021-07-01" } ] },
      "project": { "count": 1, "undated_count": 0, "entries": [
        { "id": "projects_connector", "label": "connector", "captured_at": "2026-08-09" } ] }
    }
  }

（私有层的 skill_evidence({ tag: "gcp" }) 还会显示一条 signal_only 职业兴趣记录——该类别整体都被排除在此公开导出数据之外，因此此层的 count 按设计更低，并非遗漏所致。）

无法识别的标签会返回 found: false——只会与摄取时分配的标签进行精确匹配，不会进行模糊／语义查找。如果某项技能确实存在，但从未被标记，query_knowhow 仍可能找到它（它会搜索完整的记录文本，而不只搜索标签）。