TokenKnows

Name: TokenKnows
Author: johnnywuj81

作者：johnnywuj81版本 0.3.0i★ –i在你的电脑上运行

注册名称io.github.johnnywuj81/tokenknows

安装

概览

作者提供的说明（英文原文）

Distill AI coding sessions into weekly reports, ADRs and a knowledge graph - self-hosted

PopNx MCP 的三大支柱

这三项永远不会合并成一个分数：意见、测量和人气是不同的东西。

用户评价i暂无评价评价功能将在后续阶段与账户功能一起开放
我们的基础检查i1 项中通过 1 项依据公开信息检查；尚未扫描代码
使用情况i尚未统计★ –

它能帮你做什么

我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。

连接方式: 在你的电脑上运行
传输方式: stdio
分类: 搜索与 AI 记忆
你需要填写：TOKENKNOWS_API_TOKEN

安装

选择你使用的 AI 应用，然后复制设置。

安装之前

基础检查：1 项中通过 1 项
在你的电脑上运行，拥有你的用户账户的权限（文件、网络、应用）。
需要你自己填写： TOKENKNOWS_API_BASE, TOKENKNOWS_API_TOKEN, TOKENKNOWS_DEFAULT_PROJECT, TOKENKNOWS_WEB_BASE

标为机密的值是你账户的钥匙。千万不要分享给别人，也不要粘贴到聊天里。

你需要

PyPI已安装 Python 的 uv（用于 uvx 命令）

你用的是哪个应用？

ClaudeClaude CodeCursorVS CodeChatGPT

在上方选择你的应用。我们会记住它，下次按钮会显示“安装到 …”。

打开 Claude Desktop → Settings → Developer → Edit Config，把下面的内容粘贴到 claude_desktop_config.json

{
  "mcpServers": {
    "tokenknows": {
      "command": "uvx",
      "args": [
        "tokenknows-mcp"
      ],
      "env": {
        "TOKENKNOWS_API_BASE": "your-value",
        "TOKENKNOWS_API_TOKEN": "your-value",
        "TOKENKNOWS_DEFAULT_PROJECT": "your-value",
        "TOKENKNOWS_WEB_BASE": "your-value"
      }
    }
  }
}

在终端中运行这条命令

claude mcp add tokenknows --env TOKENKNOWS_API_BASE=your-value --env TOKENKNOWS_API_TOKEN=your-value --env TOKENKNOWS_DEFAULT_PROJECT=your-value --env TOKENKNOWS_WEB_BASE=your-value -- uvx tokenknows-mcp

运行前请先填写空着的值。

在 Cursor 中打开

或者自己复制设置

粘贴到项目中的 .cursor/mcp.json，或 ~/.cursor/mcp.json

{
  "mcpServers": {
    "tokenknows": {
      "command": "uvx",
      "args": [
        "tokenknows-mcp"
      ],
      "env": {
        "TOKENKNOWS_API_BASE": "your-value",
        "TOKENKNOWS_API_TOKEN": "your-value",
        "TOKENKNOWS_DEFAULT_PROJECT": "your-value",
        "TOKENKNOWS_WEB_BASE": "your-value"
      }
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

在 VS Code 中打开

或者自己复制设置

粘贴到项目中的 .vscode/mcp.json

{
  "servers": {
    "tokenknows": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "tokenknows-mcp"
      ],
      "env": {
        "TOKENKNOWS_API_BASE": "your-value",
        "TOKENKNOWS_API_TOKEN": "your-value",
        "TOKENKNOWS_DEFAULT_PROJECT": "your-value",
        "TOKENKNOWS_WEB_BASE": "your-value"
      }
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

这个服务器在你的电脑上运行，而 ChatGPT 只能连接互联网上的服务器。请选择其他应用。

你的选择通过 Cookie 保存在这台设备上，无需账户。

需要你填写的值

TOKENKNOWS_API_BASE env
Self-hosted TokenKnows backend URL
TOKENKNOWS_API_TOKEN 机密 env
API token (tkk_...) or JWT bearer for the backend; create one in the web UI under Project Settings - MCP Access (optional for default local deployments)
TOKENKNOWS_DEFAULT_PROJECT env
Default project_id for event submission and distill
TOKENKNOWS_WEB_BASE env
Web UI base URL used to build view_url links returned by distill/list tools (login required to open them)

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同，请以 README 为准。

它能做什么

它在你的电脑上运行；安装后，工具列表会显示在你的 AI 应用中。

基础检查i

我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月7日

✓ 通过
作者与仓库一致
注册名称已通过 GitHub 账户 johnnywuj81 验证，该账户拥有此仓库
… 尚未检查
仍在维护
我们还没有从 GitHub 读取这个仓库
… 尚未检查
有许可证
我们还没有从 GitHub 读取这个仓库
– 不适用
端点有响应
它在你的电脑上运行，没有互联网端点
– 不适用
使用 OAuth 登录
在你的电脑上运行，改用本地设置
… 尚未检查
工具描述中没有隐藏指令
它在你的电脑上运行；我们只能读取互联网端点的工具列表

与“搜索与 AI 记忆”中的其他服务器比较i

星标数多于此分类中其他 7258 个服务器的 0%
发布到注册中心的时间比此分类中其他 7258 个服务器的 16% 更新
基础检查结果等于或优于此分类中其他 7258 个服务器的 100%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。

常见问题

TokenKnows 安全吗？

它在 1 项适用的基础检查中通过了 1 项。我们没有阅读代码。在添加密钥或令牌之前，请先看看这个服务器要求哪些权限，并使用只具备所需权限的密钥。

它需要哪些密钥或代码？

你需要填写：TOKENKNOWS_API_TOKEN

它在我的电脑上运行还是在云端？

它在你的电脑上运行。你的 AI 应用会在需要时启动它，数据不会经过作者的服务器（除非它自己调用在线服务）。

它还在维护吗？

GitHub 仓库最后更新于–，最新版本（0.3.0）于5个月前进入注册中心。

哪些应用可以使用它？

支持 MCP 的应用，例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Python (uv)。

有什么可以替代它？

同一分类中有：Context7, Codebase Memory, Exa

替代选择

同一分类中其他作者的服务器，按星标数排序。

如何看卡片：★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

Context7

作者：upstash

Up-to-date docs for AI agents

电脑或云端★ 64,224MIT今天更新

安装

Codebase Memory

作者：DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

在你的电脑上运行★ 48,148MIT20天前更新

安装

Exa

作者：exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

在云端运行★ 5,213MIT上个月更新

安装

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

TokenKnows

Distill AI coding sessions into living knowledge — weekly reports, ADRs, incident reviews, books, agent skills, and a knowledge graph.

English | 简体中文

What is TokenKnows?

You spend hours pair-programming with Claude Code, Codex, and Cursor. The decisions, bug hunts, and design trade-offs from those sessions evaporate the moment the terminal closes. TokenKnows captures them automatically and distills them into structured, evidence-linked knowledge assets:

capture (6 collectors) → distill (5-stage LLM pipeline) → assets (7 document types) → review / redact / publish

📡 Captures everything — Claude Code, Codex, Cursor, VS Code, GitHub PRs/commits/issues, and local docs, all via local file watchers and API polling. No webhooks, no tunnels.
📝 Seven asset types — weekly reports, tech designs, ADRs, incident reviews, long-form books, reusable agent skills (SKILL.md), and an entity knowledge graph.
🔗 Evidence-linked — every paragraph traces back to the original PR / conversation / commit, ranked by cosine × trust × recency across ≥2 sources.
🔒 Local-first, zero egress by default — a three-layer LLM egress gate (instance ∧ project ∧ task) with full audit logging. Pair it with Ollama and run the whole pipeline with zero cloud keys.

Demo

Workbench	Document page

Evidence drawer	Publish receipt + version diff

▶ Full walkthrough: engineering_handoff/walkthrough.mp4 (5 min, Chinese narration + subtitles)

All 12 screens

1 Workbench	2 Event drawer	3 Document list	4 Document page

5 Evidence drawer	6 Regenerate dialog	7 Review	8 Redaction

9 Publish dialog	10 Publish receipt + diff	11 LLM egress	12 Admin

Install the plugin

Prerequisite: the TokenKnows backend at http://localhost:8001 and the web UI at `http://localhost:5173` (see Quick start), plus uv (the plugin pulls the MCP server from PyPI via uvx). All plugin env vars have working local defaults — export TOKENKNOWS_API_BASE / TOKENKNOWS_API_TOKEN / TOKENKNOWS_DEFAULT_PROJECT / TOKENKNOWS_WEB_BASE only for non-default setups. Register/login in the web UI and create an API token under Project Settings → MCP 接入 when your backend requires auth.

Platform	How
Claude Code	`/plugin marketplace add johnnywuj81/tokenknows` → `/plugin install tokenknows@tokenknows` — full walkthrough in tokenknows-plugin/README.md (5-minute quickstart)
Codex	`codex plugin marketplace add johnnywuj81/tokenknows` → `codex plugin add tokenknows@tokenknows` (loads skills, commands and the MCP server; local-clone alternative in codex-plugin/README.md)
Cursor	Add the tokenknows MCP block to `~/.cursor/mcp.json` (uvx config example in code/tokenknows-mcp/README.md)
VS Code	Download the `.vsix` from Releases → `code --install-extension tokenknows-vscode-*.vsix`

The plugin gives your AI tool MCP tools (submit_session_events, distill_document, list_assets, get_asset, get_asset_chapters, search_entity) plus slash commands like /tokenknows:weekly and /tokenknows:adr.

Quick start

# 1. (Optional but recommended) Ollama — fully local inference, zero cloud keys

ollama serve & ollama pull minimax-m2:cloud # or gpt-oss:20b, qwen2.5, ...

2. Backend (FastAPI + SQLite persistence + 3-layer LLM egress gate)

cd code/tokenknows-api python3 -m venv .venv && .venv/bin/pip install -e ".[dev]" cp .env.local.example .env.local # defaults to Ollama; edit to add cloud providers .venv/bin/uvicorn app.main:app --host 127.0.0.1 --port 8001

3. Frontend (React 19 + Vite)

cd code/tokenknows-web npm install npm run dev

open http://localhost:5173 — talks to the real backend (mocks are opt-in via ?msw=1)

(Optional) seed demo data

./engineering_handoff/demo-seed.sh

Platform support: macOS — full experience (collectors auto-start via launchd). Linux — backend, frontend, and collectors all run manually (python3 plugins/ /sync.py --watch); the launchd scripts don't apply. Windows — untested; WSL2 recommended.

Data collectors

All local — no ngrok, no public webhooks. On macOS they restart on crash and on reboot (launchd).

Collector	Source	Mode
claude-code	`~/.claude/projects/*.jsonl`	30s polling, incremental offsets
codex	`~/.codex/sessions/*/rollout-.jsonl`	30s polling, incremental offsets
cursor	Cursor's `state.vscdb` (read-only SQLite)	60s polling
github	GitHub REST API · PRs / issues / commits	5min polling (`gh auth` token)
vscode	VS Code extension `onDidSaveTextDocument`	buffered, 10s flush
local-docs	`~/Documents` `.md` `.txt` `.pdf` (watchdog)	realtime, 2s debounce

./scripts/launchd/install.sh          # macOS: install all 5 Python collectors as LaunchAgents

launchctl list | grep com.tokenknows tail -f ~/Library/Logs/tokenknows/*.log

Every event carries a trust score (0.6 × source_authority + 0.4 × extraction_confidence); the evidence stage ranks citations by 0.6 × cosine + 0.25 × trust + 0.15 × recency and enforces ≥2 distinct sources.

Architecture

Collectors feed an event store (SQLite). A five-stage pipeline (collect → outline → content → evidence → assess) turns events into assets. The LLM Gateway unifies four providers (Anthropic / OpenAI / MiniMax / Ollama) with per-task routing and fallback chains — and refuses any cloud call unless all three egress switches are on.

CI

Workflow	Runner	Trigger
`ci.yml`	ubuntu-latest (GitHub-hosted)	push to main + every PR
`ci-macos.yml`	self-hosted macOS ARM64	maintainer pushes to main only — never runs external PR code

Privacy & local-first

Zero egress by default — cloud LLM calls require the instance and project and task switches all on
Bring your own keys; the audit log never leaves your machine
One-click kill switch drops the instance into fully-offline mode

Details: PRD §6.7 data residency & egress control (Chinese).

Documentation

Topic	Doc
Product requirements, user journeys	PRD (zh)
Technical design, API, schema	TDD (zh)
Macro architecture & milestones	Architecture (zh)
Per-screen engineering decisions	TaskTechDesign (zh)
Pixel-level UI mockups	mockups/ — open in a browser

Most in-depth docs are in Chinese (the project's working language). Code comments are predominantly Chinese too; issues and PRs in English or Chinese are both welcome.

Community

CONTRIBUTING · Roadmap · Code of Conduct · Security policy · Issues

TokenKnows

概览

PopNx MCP 的三大支柱

它能帮你做什么

安装

安装之前

需要你填写的值

它能做什么

基础检查i

作者与仓库一致

仍在维护

有许可证

端点有响应

使用 OAuth 登录

工具描述中没有隐藏指令

与“搜索与 AI 记忆”中的其他服务器比较i

常见问题

替代选择

Context7

Codebase Memory

Exa

作者的 README

What is TokenKnows?

Demo

Install the plugin

Quick start

2. Backend (FastAPI + SQLite persistence + 3-layer LLM egress gate)

3. Frontend (React 19 + Vite)

open http://localhost:5173 — talks to the real backend (mocks are opt-in via ?msw=1)

(Optional) seed demo data

Data collectors

Architecture

CI

Privacy & local-first

Documentation

Community

License