从 AI 解答到共享知识：给社区建一个 MCP 服务器
来源：dev.to — 2026-09-07
📋 概述
这是 DEV「慷慨周挑战」的作品。作者指出一个问题：当人们用 AI 解决了一个技术难题，答案往往随会话沉入聊天历史，下一个人会撞上同一堵墙。Shared Knowledge 是一个 MCP 服务器，把一次 AI 对话中的解决方案提炼成结构化 Markdown 文章，再以 GitHub Pull Request 的形式提交给人审阅；只有合并后的内容才发布到文档站并生成音频版本。整个设计刻意极简：GitHub 作为唯一事实来源、Astro 渲染、关键词搜索足够，核心是「显式分享 → 人审 → 合并」这条不可逾越的边界。
🔑 核心要点
- 核心在于「把答案还回去」：模型把 AI 会话里的解法整理成含 Problem/Solution 结构、受控分类与标签的英文文章，再由 publish_knowledge 校验并开 PR，而非自动发布
- 人审是唯一真正的边界：MCP 只负责结构化与准备投稿，它不能替任何人决定什么该成为公共知识——只有 PR 合并后内容才上文档站并触发音频
- 一次真实运行验证端到端：可选的依赖在 pyproject.toml 里让导入链崩溃，经过 AI 解答、结构化、MCP 开 PR、Copilot 审查、修复合并，再到 ElevenLabs 生成音频发布
- 架构中道转向互操作：最初服务器内部直接调 Gemini，作者改成暴露知识文章规范 prompt、由调用方用自身模型结构化，代价是放弃「最佳 Google AI 奖」，换取与模型无关的开放性
- 实战教训：Copilot CLI 会报告不存在的 bug（人工须复核）、ElevenLabs 免费账号调不了 Voice Library 声音、os.environ.get() 对空字符串不会回落默认值、手工改动文件会让 CI 状态失配
💡 金句
someone solves a problem → chooses to give the answer back → someone else gets to reuse it
👍 0
👎 0
← 返回 dev.to 首页