DeepSeek Harness Hub
← 返回列表

airsota/talentme-mcp

DeepSeek Harnessspec-screened在 GitHub 查看 ↗
未验证

面向 AI 助手的本地优先个人职业记忆与机器学习面试教练

尚未跑自动兼容性验证,可查看页面内的依赖与入口分析。 · 最近上游提交 2026/7/27 · 已提供中文文档

用于访问TalentMe知识库的MCP工具

综合分
25
GitHub 分
25
用户评分
★ Stars
0
周下载量
安装插件(需先安装 dsh CLI 引擎:npm install -g @deepseek-ai/dsh)
dsh plugin --profile web add airsota/talentme-mcp
该插件未发布到 npm,走 GitHub 源安装(pnpm 若拦截 prepare 脚本,按其提示在 pnpm-workspace.yaml 的 allowBuilds 中放行后重跑)
数据截至 2026/9/17(元数据每日更新 · 实装验证按队列轮转,单条结论的验证时间见上方)
用户评分
还没有人投票,来当第一个
订阅周报,不错过优质插件更新
每周一封 · 高评分插件 + 新用户活动

README

面向 AI 助手的本地优先个人职业记忆与机器学习面试教练

博客 |
文档 |
路线图 |
社区讨论

🌟 什么是 TalentMe MCP?

TalentMe MCP 是一个本地优先的专业学习记忆系统,专为机器学习和软件工程面试准备而设计。它充当你的本地知识库与 AI 助手(Cursor、Claude Desktop、Trae、Antigravity、Kiro、Codex)之间的桥梁,实现了 LLM Wiki 模式,以追踪你的学习历程、自动化模拟面试并构建你的职业成长。在 TalentMe 了解更多信息并管理你的账户。

借助 TalentMe,你的 AI 智能体可以获得关于你的项目、技能和成长领域的长期上下文,从而实现高度个性化的辅导,而不会将你的笔记泄露到公共互联网。

🚀 核心功能

*   本地优先隐私:你的笔记、练习日志和模板以 Markdown 格式存储在本地,并采用兼容 Obsidian 的结构。
*   双源智能:连接到 TalentMe 云平台,动态获取专门的面试提示引导文件和专家评估工作流。
*   结构化仓库与 SQLite 引擎:将标准文件夹(concepts/、journal/、resumes/)与本地 SQLite 数据库相结合,用于间隔重复(艾宾浩斯曲线)和掌握度追踪。
*   零同步快速启动:启动或刷新 MCP 服务器 100% 在本地进行且即时完成,绕过云请求以避免延迟。
*   自动 IDE 注册:一键配置即可将服务器注册到 Cursor、Claude Desktop、Trae、Antigravity、Kiro 和 Codex。

🛠️ CLI 命令

TalentMe 自带直观的命令行界面:

1. talentme setup
你的初始引导助手。
*   引导你选择学习记忆文件夹的保存位置。
*   连接你的账户信息(邮箱、许可证密钥)。
*   配置 AI 写入模式行为(auto、semi-auto 或 manual)。
*   自动在你的 IDE 中配置并注册 MCP 服务器。

2. talentme start
启动后台模型上下文协议(MCP)服务器。
*   自动:你几乎不需要手动运行它;你的 IDE 会在启动时在后台启动它。
*   快速:如果路径为空,则使用本地骨架构建器,完全避免阻塞式网络调用。

3. talentme update
将软件包升级到最新版本。
*   拉取最新代码更新并就地重新安装依赖项。
*   提供可选的交互式云模板同步循环。

4. talentme sync
按需显式地从云端同步模板和专业技能。

📂 仓库结构

TalentMe 会初始化一个兼容 Obsidian 的本地记忆文件夹,其布局如下:

my_memory/
├── concepts/             # 原子知识点(例如 Transformers、PyTorch、Caching)
├── journal/              # 每日练习笔记和学习日志
├── projects/             # 深入探究你过去的系统实现
├── resumes/              # LaTeX/PDF/Markdown 简历及版本历史
├── roles/                # 职位描述和匹配报告
├── plans/                # 间隔重复学习路径和 14 天冲刺计划
├── .skills/              # 本地协议提示规则(例如 llm-wiki、mock-interview)
├── template.json         # 引导元数据跟踪
└── memory.db             # SQLite 引擎,跟踪知识衰减和掌握程度

🎬 快速开始

第 1 步:安装软件包
将 talentme-mcp 安装到你首选的 Python 环境中(我们建议创建一个专用虚拟环境):

python3 -m venv ~/.talentme_venv
source ~/.talentme_venv/bin/activate
pip install git+https://github.com/airsota/talentme-mcp.git

第 2 步:运行设置
初始化你的记忆目录并配置你的 IDE:

talentme setup
按照交互式提示设置你的记忆目录、邮箱、许可证密钥和行为配置。

[!TIP]
需要许可证密钥? 在 TalentMe 官方网站注册以生成你的密钥、访问高级知识库并激活你的个人职业仓库。

第 3 步:与你的 AI 助手一起使用
在 Cursor/Claude/Antigravity 中打开你的记忆目录,开始构建你自己的知识库!

💬 示例提示:
“回顾我关于 Transformer 自注意力的笔记。就计算复杂度问我 3 个难题,然后将我的回答记录到今天的日志中。”

⚙️ 高级集成
如果跳过了 IDE 自动注册,你可以通过将以下 JSON 片段添加到 IDE 的 MCP 设置中,手动注册 MCP 服务器:

{
"mcpServers": {
"talentme": {
"command": "/Users/YOUR_USERNAME/.talentme_venv/bin/talentme",
"args": ["start"]
}
}
}

配置位置
*   Claude Code:~/.claude.json
*   Cursor:~/Library/Application Support/Cursor/User/globalStorage/mcpServers.json
*   Claude Desktop:~/Library/Application Support/Claude/claude_desktop_config.json
*   Antigravity / Gemini IDE:~/.gemini/config/mcp_config.json

📄 许可证

MIT 许可证。详情请参阅 LICENSE。

上游仓库有新提交时邮件通知你(每天最多一封,无更新不打扰),随时一键退订。

💬 加入 DPharness 群聊

插件用法、部署报错、新插件第一时间同步——群里问,比一个人翻文档快。

点击加入 QQ 群
DPharness 群聊二维码,手机 QQ 扫码进群
扫码进群