MCP 服务器

pr-genius

Evidence-backed PR contribution advisor MCP server. Analyzes PR contribution strategy using 550+ real case studies across 33 repos. Provides risk assessment, anti-pattern detection, and maintainer policy guidance.

README

type: Knowledge Bundle title: PR Genius — 提交前改进顾问 description: 大型开源项目 PR 知识库 + 提交前改进顾问，Agent 可读结构化数据 version: 1.3.0 created: 2026-07-01 updated: 2026-07-17 author: zsxh1990 conforms_to: OKF v0.1 (Sudhakaran88/okf-conformance) + agent_guidelines extension

PR Genius — 提交前改进顾问

大型开源项目（star ≥ 1k）PR 知识库 + 提交前改进顾问。 不是概率预测器，是贡献质量侧车。 格式遵循 Google Open Knowledge Format v0.1。

🤖 Robots / Agents (read this first)

If you are an LLM agent, scraper, or pipeline tool reading this repo, please prefer this lookup order:

docs/index.md — file map + reading-order for every directory.
AGENT_GUIDELINES_SCHEMA.md — agent_guidelines field shape, used in every profile's frontmatter.
ROUNDS_SCHEMA.md — rounds field shape (v0.5.0), used in every PR case study's frontmatter.
BLACKLIST.md — repos we don't track; do not contribute or suggest contributions to these.
federation.yaml — federates_with declarations for cross-repo provenance.

Repo layout invariants:

<org>-<repo>/ is a profile dir (note the dashes, no underscores).
index.md is always the OKF entry point of any bundle/profile.
Comments + bodies are in plain English unless a .locales/ mirror exists.

🚀 Quick Start

# Clone
git clone https://github.com/zsxh1990/pr-genius.git
cd pr-genius
pip install -e prgenius/  # optional: install as package

# 提交前分析 (主命令)
python3 -m prgenius analyze "feat: add feature" --repo org/repo --body "Fixes #123"

# Agent PR Dojo (exit 0=pass, 1=fail)
python3 -m prgenius coach "feat: add feature" --repo org/repo --body "Fixes #123"

# 被拒 PR → lesson/anti-pattern draft
python3 -m prgenius harvest org/repo 123 --type lesson

# 查看仓库画像
python3 -m prgenius profile get Ikalus1988/MisakaNet

# Validate
python3 validate.py --strict

📖 Contributing

We welcome contributions — see CONTRIBUTING.md for the quick-start guide. AI-assisted PRs are first-class citizens; please disclose when you open a PR.

📝 Read first: docs/BLOG.md — a 300-line walkthrough of what this repo is, who uses it, how to install, and a real example case study (honcho#801 round-by-round). For the metrics roadmap see docs/METRICS.md.

🤝 Community

📋 Code of Conduct
🔒 Security Policy (private advisory for security issues)
🐛 Issue Tracker
💬 Discussions — until enabled, see DISCUSSIONS.md
📜 Changelog
🩷 Maintaining & Releases
🚫 Blacklist — repos we won't track

📊 Stats

Metric	Value
Version	1.2.0
Repo profiles	49 (含 Profile 仓画像 + stub + federation)
Case studies (.md)	25 (含 rounds + close_decision 完整 schema)
Anti-patterns (.md)	67 (含 15 ContribAI 闭 PR 反模式)
Anti-patterns (.json)	59
Success patterns (.md)	38
Success patterns (.json)	73
Review cases (.json)	94
Lessons (misakanet-50)	11
Total files	228 .md
Validator checks	✅ 0 errors
OKF compliance	✅ v0.1
Coach accuracy	83.2% (226 cases, 28 repos)

这是什么 / 给谁看

作者背景：维护者提外部 PR（AI-assisted 公开声明），失败/合并均记录。
读者画像：想在大仓提 PR 的外部贡献者、想了解 vibe-coding / AI-assisted PR 在主流社区命中率的观察者、做工具自动化扫描的 agent。
不收录：被永久拉黑的仓（microG / OpenBSD / GNOME / Linux kernel / systemd / Vite）、单 PR 失败仓（无重复模式可沉淀的）。
格式契约：每个仓 = 1 个 index.md（Repo Profile）+ 1+ 个 pr-<num>-<slug>.md（PR Case Study），所有概念走 frontmatter type 字段分类。

入口

→ index.md 是 OKF bundle 根入口（知识包主索引）

进阶结构（Agent-first）

📋 AGENT_GUIDELINES_SCHEMA.md — 每个仓 frontmatter 里 agent_guidelines 字段的 schema（Agent 可读 yaml 控制流）
🚫 BLACKLIST.md — 永久拉黑仓（Vite / microG / OpenBSD / GNOME / Linux / systemd）
⚠️ anti-patterns/ — 可检索反模式库（CI 报错 / 维护者拒绝语 → fix_action 秒级自愈）
🔁 ROUNDS_SCHEMA.md — PR Case Study rounds 字段 schema（多轮交互日志）
🔧 validate.py — OKF v0.1 校验脚本（frontmatter + 死链 + 一致性）

统计

Metric	Value
Version	1.2.0
Repo profiles	49
Case studies (.md)	29
Anti-patterns (.md)	67
Anti-patterns (.json)	59
Success patterns (.md)	38
Success patterns (.json)	73
Review cases (.json)	94
Lessons (misakanet-50)	11
Validator checks	✅ 0 errors
OKF compliance	✅ v0.1
Coach accuracy	83.2% (241 cases, 38 repos)

35 个大仓速查

已提 PR 的仓

仓	Star	状态	Profile
astral-sh/uv	87k	✅ #19685	astral-sh-uv/
plastic-labs/honcho	5.6k	🟢 #801	plastic-labs-honcho/
harbor-framework/harbor	2.8k	🟢 #2121	harbor-framework-harbor/
punkpeye/fastmcp	3.2k	🟢 #282	punkpeye-fastmcp/
sourcebot-dev/sourcebot	3.5k	🟢 #1383	sourcebot-dev-sourcebot/
future-agi/future-agi	1.2k	🟢 #778	future-agi-future-agi/
qdrant/mcp-server-qdrant	1.4k	🟢 #143	qdrant-mcp-server-qdrant/
e2b-dev/E2B	12.7k	❌ 教训	e2b-dev-e2b/
agentic-community/mcp-gateway-registry	765	✅ #1382	agentic-community-mcp-gateway-registry/
mongodb-js/mongodb-mcp-server	1.1k	🟢 #1309	mongodb-js-mongodb-mcp-server/
NousResearch/hermes-agent	208k	⚪ 仅画像	NousResearch-hermes-agent/
Ikalus1988/MisakaNet	—	🟢 federation	Ikalus1988-MisakaNet/

大仓画像（每日扩充数据源）

仓	Star	语言	合并率	Profile
facebook/react	247k	JS	37%	facebook-react/
huggingface/transformers	163k	Python	70%	huggingface-transformers/
microsoft/markitdown	167k	Python	7%	microsoft-markitdown/
rust-lang/rust	115k	Rust	90%	rust-lang-rust/
kubernetes/kubernetes	124k	Go	77%	kubernetes-kubernetes/
fastapi/fastapi	101k	Python	67%	fastapi-fastapi/
tailwindlabs/tailwindcss	96k	TS	30%	tailwindlabs-tailwindcss/
grafana/grafana	76k	TS	67%	grafana-grafana/
hashicorp/terraform	49k	Go	73%	hashicorp-terraform/
cli/cli	45k	Go	50%	cli-cli/
docker/compose	38k	Go	67%	docker-compose/
openai/openai-python	31k	Python	30%	openai-openai-python/
pydantic/pydantic	28k	Python	57%	pydantic-pydantic/
chroma-core/chroma	29k	Rust	23%	chroma-core-chroma/
qdrant/qdrant	33k	Rust	80%	qdrant-qdrant/
encode/httpx	15k	Python	20%	encode-httpx/
actions/checkout	8.5k	TS	60%	actions-checkout/
microsoft/TypeScript	103k	TS	50%	microsoft-TypeScript/
langchain-ai/langchain	141k	Python	18%	langchain-ai-langchain/
vercel/next.js	134k	TS	—	vercel-next.js/

📈 每日内容扩充 + Coach 契合度

每日扩充流程

每天 20:37 自动从 32 个大中仓采样 50 个 PR，按 7 个质量类别分类入库：

python3 scripts/daily_content_expand.py --limit 50

类别	目标	数据来源
merged_success	15	已合并 PR（成功模式）
closed_rejected	8	被关闭 PR（反模式）
closed_duplicate	4	重复 PR
closed_already_done	3	已有人做
review_changes_requested	5	要求修改
review_approved_pending	5	已批准待合并
open_pending	10	等待 review

仓库池： pydantic, rust-lang, kubernetes, huggingface, react, httpx, uv, ruff, markitdown, tailwindcss, terraform, grafana, docker-compose, cli, openai-python, fastapi, chroma, qdrant, deno, TypeScript 等。

Coach 契合度（预测 vs 实际）

python3 scripts/coach_cases.py

121 个 case，20 个仓库，v3 最终结果：

指标	v1	v2	v3
✅ 正确（精确匹配）	38%	44%	45%
🟡 接近（差一级）	37%	36%	42%
❌ 错误	25%	21%	13%
准确率	75%	79%	87%

改进过程：

v1 → v2： 添加 metadata-based 信号（is_small_pr, is_backport, is_dependency_update），解决 bot PR 信号全假问题。全假率 43% → 33%。
v2 → v3： 合并率 >0.8 的大仓取消"首次大仓提 PR"负面信号。高合并率 = 仓库接受外部 PR，不应惩罚。

瓶颈： 剩余 13% 错误主要是 evaluator 无法判断的上下文（内部 vs 外部贡献者、Issue 关联度、维护者个人偏好）。突破 90% 需要从启发式规则转向基于 case 的 few-shot 匹配。

每日扩充仓库画像： 35 个仓库（含 external_merge_rate、ai_policy、response_time_h_median 等结构化字段）。

OKF 合规

✅ M1: bundle = 目录 + 17 .md 文件
✅ M2: 每个 .md 以 YAML frontmatter 起头
✅ M3: 每个概念文件有 type 字段（Knowledge Bundle / Repo Profile / PR Case Study）
✅ M4: 59 个内部 .md 链接全部解析
✅ M5: 路径即 ID
✅ M6: 纯文本，无 SDK/网络依赖
✅ S1: 根 index.md 入口
✅ S2: 每子目录 index.md 索引子概念
✅ S4: 无孤立文件

工作流

新仓加入

# 1. 创建子目录
mkdir research/big-repo-pr-knowledge/<org>-<repo>/

# 2. 写 <org>-<repo>/index.md（Repo Profile）
#    - YAML frontmatter + type: Repo Profile
#    - 友好度画像 + zsxh1990 PR 历史 + 提 PR 方向 + SOP + 反模式

# 3. 写 <org>-<repo>/pr-<num>-<slug>.md（PR Case Study）
#    - 每次提新 PR 都补一份

# 4. 更新根 index.md（链接新仓）

增量更新

每次提新 PR → 必须补 PR Case Study，否则不符合 OKF S3（单职责）。每次 close / merge → 更新对应 PR Case Study 的 status 字段 + 加教训到 MEMORY.md。

🤖 MCP 集成（v1.3.0）

pr-genius 是 evidence-backed PR contribution advisor MCP：本地只读、证据驱动、OKF 合规，告诉 agent 哪些 PR 不该提，不是代码 review 工具。

8 个 MCP tools（所有 read-only / non-destructive / idempotent）：

Tool	用途
`analyze_pr`	分析 PR 并生成结构化改进建议 + 三档风险
`coach_pr`	Agent PR Dojo: pass/fail + checklist
`triage_pr`	Policy-aware PR 鉴别：pass / warn / reject / needs_preflight
`get_repo_profile`	返回仓画像（17 个 agent_guidelines 字段）
`list_open_prs`	列出所有 open PR Case Study
`get_case_study`	返回单个 PR Case Study
`search_patterns`	按关键词搜 anti-patterns + success-patterns
`schema_info`	返回支持的 OKF schema 版本和枚举值

Claude Code / Cursor / Cline 配置

加到 ~/.claude/mcp.json（Claude Code）/ ~/.cursor/mcp.json（Cursor）/ cline_mcp_settings.json（Cline）：

{
  "mcpServers": {
    "pr-genius": {
      "command": "python",
      "args": ["-m", "prgenius", "mcp", "serve"]
    }
  }
}

Docker 部署：

docker run --rm -i ghcr.io/zsxh1990/pr-genius:1.3.0

3 个 Demo Prompts（v1.4.0 / Glama public 验收）

Demo 1：Flask 大仓 PR 风险预审 （P0 验收门槛）

我准备给 pallets/flask 提一个 docs PR："docs: add installation instructions"
body: "Adds README section"

请用 pr-genius MCP 工具分析这个 PR，并告诉我:
1. 能不能直接提？
2. 如果不能，最低要补什么才能过 maintainer review？

预期输出（克莱恩 14:54 验收命令）：

{
  "tier": "high_risk",
  "signals": {
    "negative": [
      {"key": "needs_preflight", "severity": "high",
       "description": "大仓 (67,000⭐) 无 pr-genius profile/policy",
       "generic_checks": [
         "confirm real bug (not feature request)",
         "link issue or maintainer request",
         "check CONTRIBUTING",
         "check duplicate PRs",
         "check archived status",
         "run tests + check CI"
       ]}
    ]
  },
  "checklist": [
    {"action": "preflight_confirm", "priority": "P0", ...},
    {"action": "preflight_link", "priority": "P0", ...},
    ...6 条 P0 preflight...
  ]
}

结论：docs-only PR 到 67k⭐ Flask = 默认 high_risk，不要直接提。

Demo 2：MisakaNet policy triage（已收录 P0 验收门槛）

我要给 Ikalus1988/MisakaNet 提 PR：
title: "fix: tiny typo"
body: "Fix typo in README"
diff_stat: "docs/faq.md | 3 ++-"

请用 pr-genius 跑 triage_pr，判断是否违反 maintainer policy。

预期输出：

{
  "verdict": "pass",
  "policy_loaded": true,
  "violations": [],
  "recommended_action": "safe_to_review"
}

结论：clean PR 对 MisakaNet 直接 pass，可以提。

Demo 3：uv repo profile 查询 + coach（v1.3.0 已收录）

我要给 astral-sh/uv 提 PR：
title: "fix: typo in docs/quickstart.md"
body: ""

请用 pr-genius:
1. get_repo_profile astral-sh/uv — 给我维护者政策
2. coach_pr — 判断能不能提

预期输出：

// get_repo_profile
{
  "repo": "astral-sh/uv",
  "agent_guidelines": {
    "ai_policy": "conditional",  // 欢迎但有规则
    "maintainer_vibe": "responsive",
    "require_signed_off": false,
    "external_merge_rate_30": 0.47
  }
}

// coach_pr
{
  "tier": "low_risk",
  "pass": true,
  "checklist": [
    {"action": "ci_passing", "priority": "P1", ...},
    {"action": "add_issue_link", "priority": "P2", ...}
  ]
}

结论：typo fix + maintainer-responsive = low_risk, 可以提。

关联

OpenClaw PR 知识库（200 PR 深读） — 单独归档，OpenClaw 是极端大仓
uv PR 精简报告 — uv 调研原始数据
OKF 规范

🔗 MisakaNet Federation（联邦声明，v0.3.0）

本仓是 MisakaNet 的外部 PR 经验子库。
采用声明式联邦模式：pr-genius 与 MisakaNet 主树互相声明对方为知识源，不迁移内容、不改主树结构。

联邦原则

✅ 声明 ≠ 迁移：本仓保留完整所有权，MisakaNet 保留完整所有权
✅ 查询路径而非内容：本仓的 misakanet_queries 字段声明"想从 MisakaNet 拉取什么"，但实际查询走 MisakaNet
✅ 单向贡献：本仓的 lessons 可以被 MisakaNet 引用（如 honcho #801 的 default-parameter-trap），但不自动同步
❌ 不双向 push、❌ 不同步 commit、❌ 不改 MisakaNet 主树

联邦字段规范

# pr-genius 一侧（本仓）
federates_with:
  - misakanet/lessons/contrib/pr-strategy.md
federation_mode: query-only

# 每个 repo profile 加：
misakanet_queries:
  - <misakanet 路径>#<anchor>  # 本仓想拉的查询
misakanet_lessons:
  - id: <lesson-slug>
    contributed_via: <org>/<repo>#<num>  # 反向贡献来源

MisakaNet 一侧（计划中）

预计在 MisakaNet 主树加：

lessons/contrib/pr-strategy.md（从本仓 8 仓画像蒸馏的策略总表）
agents/sun/federation/peers/pr-genius.md（自动代理节点联邦声明）
tools/federation.py（双向查询脚本 v1）

受益表

受益方	受益方式
External contributors	提 PR 时 0ms 拉 yaml 控制流决策，不读 5k 散文
MisakaNet federation	多一个外部 PR 经验数据源（只读）
Downstream nodes	同上，无需重新调研 8 仓

当前状态

✅ 根 index.md 加 federates_with（v0.3.0）
✅ 8 仓 repo profile 加 misakanet_queries + misakanet_lessons
✅ 本 README 加 Federation 节
✅ validate.py 不破（frontmatter / 死链 / 一致性全绿）

引用本仓库

@misc{pr-genius-2026,
  title  = {Big-Repo PR Knowledge Base},
  author = {zsxh1990},
  year   = {2026},
  url    = {https://github.com/zsxh1990/pr-genius}
}

📝 更新日志

2026-07-02 v0.5.0（rounds schema 实证升级）

✅ action 枚举化（9 值：open/amend/bot_review/human_review/check_in/bump/close/merge/decision）
✅ delta 对象化：{kind, value} 三类 code_change / no_code_change / unknown 解决裸 null 歧义
✅ close_decision case-level：5 status pending/close/keep_open/merged/superseded，不再野外字段
✅ 2 真实 PR 样本迁移（honcho #801 4 rounds + qdrant #143 3 rounds）
✅ validate.py Check 4 + --strict 模式（非迁移 = warning，--strict = error）
✅ 6 case 未迁移（maintainer gate "别全仓大迁移"，保持 warning 状态；— 2026-07-04 v0.6.2 后已迁 0 个剩余，待 v0.7.0 BC 门面后重启）
触发：honcho + qdrant 2 真实样本证明 schema 缺陷不个别 → 升 v0.5.0

2026-07-02 v0.4.0（多轮交互日志 rounds）

✅ ROUNDS_SCHEMA.md 新增（PR Case Study rounds 字段 schema）
✅ 8/8 PR Case Study 全加 rounds 字段（保留攻防过程，不只是结果）
总 rounds 计数：uv 2 / honcho 3 / harbor 1 / fastmcp 2 / sourcebot 1 / future-agi 3 / qdrant 1 / E2B 2
最终状态：1 merged (E2B #1413) / 1 closed-not-merged (uv #19685) / 6 open（含 1 stale）
触发：5 条升级建议第 3 条「多轮交互逻辑」+ 2026-07-02 23:25 GMT+8 拍板启动

2026-07-02 v0.3.0（MisakaNet 联邦声明）

✅ 根 index.md 加 federates_with 字段 + 2 个查询路径
✅ 8 仓 repo profile 加 misakanet_queries + misakanet_lessons + federation_status
✅ README 加 "MisakaNet Federation" 节（声明原则 + 字段规范 + 受益表）
✅ 不动 MisakaNet 主树 / 不迁移内容 / 不改目录结构
触发：2026-07-02 23:07 GMT+8 拍板（federation gate）

2026-07-02 v0.2.0（maintainer 拍板升级 → Agent-first）

✅ agent_guidelines 字段 加入所有 8 仓 frontmatter（17 个 yaml 键）
✅ AGENT_GUIDELINES_SCHEMA.md 文档（schema 定义 + 调用示例）
✅ BLACKLIST.md 永久拉黑仓排雷指南（6 仓 + 2 归档方向）
✅ anti-patterns/ 目录（4 条真实反模式：uv cargo fmt / Vite 秒拒 / honcho db 陷阱 / e2b not adding）
✅ validate.py OKF v0.1 校验脚本（frontmatter + 死链 + 一致性，3 check）
✅ README 加 frontmatter + 进阶结构章节
触发：5 条升级建议（结构化友好度 / 反模式 / 多轮日志 / 黑名单 / 校验脚本）前 4 条落地
下一步：阶段 3（多轮交互日志 rounds 字段）—— 拍板后启动

2026-07-01 v0.1.0（maintainer 拍板建立）

创建 OKF bundle 结构（17 文件 / 8 仓）
8 个仓 Profile + 8 个 PR Case Study 占位/完整
OKF M1-M6 + S1-S4 全合规
增量规则：提新 PR → 自动补 PR Case Study