你的 AI 编程助手可能正在用一年前的 API 写代码，而且每次都会犯同样的错。
这不是它不够聪明，而是训练数据有截止日期，但 API 一直在更新。
以人工智能领域著名的学者吴恩达（Andrew Ng）最近就遇到了这个问题。当他让 Claude Code 调用 OpenAI GPT-5.2 时，AI 使用的仍是旧的 chat completions API，而不是已经发布一年的新 responses API。
更令人沮丧的是，AI 踩过的坑，下次会话还会再踩一遍。因为没有记忆和积累，每次交互都像一张白纸。
为此，吴恩达团队刚刚开源了一个名为 Context Hub 的工具，旨在从根本上解决这两个痛点。
AI 编程助手面临的知识危机
我们先看一组现实数据：
- Claude、Cursor、Windsurf 等主流 AI 编码工具的训练数据通常截止到 2024 年底或 2025 年初。
- OpenAI、Stripe、Google Cloud 等服务的 API 更新频率平均每月 1-2 次。
- API 文档每年可能发生数十次破坏性变更。
结果就是，当你让 AI 助手写代码时，它可能会调用不存在的接口、捏造参数名，或者使用已经被废弃的方法。
开发者往往需要手动查询最新的技术文档，然后将信息“喂”给 AI，或者在提示词里塞满大段的 API 说明。Context Hub 的目标就是将这个繁琐的流程自动化。
上手使用：一行命令获取最新文档
安装 Context Hub 非常简单，只需一个命令：
npm install -g @aisuite/chub
安装后，你只需要在给 AI 助手的提示词中加一句：“请使用 chub 命令来获取最新的 API 文档”。
AI 助手便会自动执行类似下面的命令：
# 搜索相关文档
chub search "openai chat"
# 拉取 Python 版本的特定文档
chub get openai/chat --lang py
通过 Context Hub 获取的并非搜索引擎抓取的杂乱网页，而是经过精选、结构化处理且版本明确的官方文档。每个条目都经过了整理，并支持 Python、JavaScript 等多种编程语言版本。
关键在于，这些文档由社区共同维护，保持实时更新。你的 AI 助手不再依赖其陈旧的“记忆”，而是像一位真正的工程师那样，懂得去查阅最新的参考资料。
Context Hub 的完整工作流：从搜索、获取文档、编写代码，到标注经验和反馈打分，形成一个持续的学习循环。
使用提示 (PROMPT)示例：
使用流程：
# 搜索相关文档
chub search "stripe payments"
# 拉取指定语言的文档
chub get stripe/api --lang js
# 拉取完整文档（包含所有参考文件）
chub get openai/chat --full
更核心的价值：让AI开始“学习”与“进化”
Context Hub 不仅仅是一个文档查询工具，它引入了两种机制，能让 AI 助手变得越来越“聪明”。
1. Annotations：本地的持久化记忆
当 AI 在编码过程中发现某个特定的“坑”或者有效的变通方案（workaround）时，它可以为相关文档添加一条注释：
chub annotate stripe/api "webhook 验证前不能 parse JSON，需要原始 body"
这条注释会被保存在你本地机器的 ~/.chub/annotations/ 目录下。下次当 AI 助手再次需要调用这个 API 时，这条注释会自动呈现给它。
这意味着：AI 踩过的坑，它不会再忘记。 你无需在每次新的会话中重复调试相同的问题。
2. Feedback：驱动全局文档质量提升
Annotations 是你个人的本地笔记，而 Feedback 功能则是为文档本身的质量进行打分：
# 认为文档很有帮助
chub feedback openai/chat up
# 发现文档已过时或示例有误
chub feedback stripe/api down --label outdated --label wrong-examples
这些反馈会汇总并传递给文档的维护者，帮助他们持续改进内容。从长远看，整个社区的文档质量都将因此得到提升。
吴恩达团队还有一个更前瞻的愿景：让 AI 之间能够共享学习成果。未来，你的 AI 助手发现的某个高效 workaround，或许会自动出现在我的 AI 助手的参考列表中。
从获取文档到本地标注，再到社区反馈与共享，Context Hub 试图构建一个知识不断流转和深化的循环。
为什么不让AI直接上网搜索？
你可能会问：现在的 AI 助手大多具备联网搜索能力，为什么还需要 Context Hub 这样一个中间工具？
原因在于，通用搜索引擎并非为 AI 的代码生成需求而设计：
- 搜索结果中混杂着大量广告、网站导航栏和无关内容。
- 不同来源（官方文档、个人博客、问答网站）的文档质量参差不齐。
- AI 需要的是结构清晰、版本明确、来源可追溯的官方或高质量文档，而不是一堆需要二次筛选的信息。
Context Hub 中的内容全部以 Markdown 格式存储，由社区通过 Pull Request (PR) 机制共同维护。每个条目都有明确的作者、版本和更新时间。AI 助手拿到的是“干净、营养的食物”，而不是一个“信息垃圾场”。
Context Hub vs. Context7：有何不同？
你可能会联想到另一个类似工具——Context7。确实，两者都旨在解决 “让AI用上最新API文档” 这一核心问题，但设计思路存在显著差异。
Context7（由 Upstash 开发）更像一个智能的实时文档检索系统：
- 通过 MCP (Model Context Protocol) Server 集成到各类 AI 工具中。
- 实时抓取官方文档并提取关键代码片段。
- 侧重于语义搜索和向量化检索，快速找到相关内容。
- 其核心目标是：确保文档的时效性和准确性，并实现高效检索。
Context Hub（吴恩达团队开发）则在检索基础上，强化了学习与进化机制：
- 提供 CLI 工具
chub 来拉取精选文档。
- Annotations：允许 AI 为文档添加私人笔记，并本地持久化保存。
- Feedback：允许用户对文档进行打分（up/down），反馈给维护者以推动改进。
- 其核心目标是：让AI能积累经验，避免重复犯错，并朝着社区化学习演进。
简单对比：
| 维度 |
Context7 |
Context Hub |
| 核心能力 |
实时文档检索 |
文档检索 + 学习积累 |
| 记忆系统 |
❌ 无 |
✅ Annotations（本地持久化） |
| 社区反馈 |
✅ 可贡献新库 |
✅ Feedback 打分 + PR 贡献 |
| AI间共享 |
❌ 暂无 |
🔮 规划中（学习成果共享） |
| 开发团队 |
Upstash |
吴恩达团队 |
| 开源程度 |
部分开源 |
完全开源（MIT 协议） |
| 集成方式 |
MCP Server |
CLI + MCP Server |
如何选择？
- 如果你只想让AI助手能查询到最新文档，Context7 可能已经足够。
- 如果你希望AI助手能“越用越聪明”——记住踩过的坑、积累调试经验、并期待未来能与其他AI共享智慧——那么 Context Hub 是更合适的选择。
两者并非互斥，可以共存：Context7 解决 “信息要新”，Context Hub 解决 “经验要记”。
如何集成到你的工作流？
Context Hub 提供了三种灵活的集成方式：
- 直接提示AI：最简单的方式，就是在你的提示词中明确指令：“请使用
chub 命令获取相关的最新 API 文档”。
- 创建 Agent Skill：为你的 AI 助手（如 Claude Code）创建一个技能文件（例如
~/.claude/skills/get-api-docs/SKILL.md），让助手内化“先查文档”这个行为模式。
- MCP Server 集成：Context Hub 也提供了 MCP Server，可以直接集成到支持 MCP 协议的开发工具中（如 Claude Code、Cursor、Windsurf）。这种方式下，AI 无需执行 Shell 命令，可直接通过协议调用获取文档。
完全开源与社区驱动
Context Hub 是一个完全开源的项目，采用宽松的 MIT 协议。所有代码和文档都在 GitHub 上公开：
项目地址：https://github.com/andrewyng/context-hub
其文档内容本身也是开源的，存放在仓库的 content/ 目录下。任何人都可以通过提交 Pull Request 来贡献新的文档或修正现有内容。目前，项目已有超过十位贡献者，覆盖了 Python、JavaScript、TypeScript 等主流语言的 API 文档。吴恩达表示，未来会扩展到更多内容类型。
小结：迈向更有“经验”的AI编码伙伴
Context Hub 看似解决了一个具体而微的问题——让 AI 助手能访问最新的 API 文档。但它所引入的学习与反馈机制，可能会改变 AI 编程助手的演进轨迹：
- Annotations：让 AI 开始拥有“项目记忆”，告别每次会话从零开始的困境。
- Feedback：通过社区驱动的正向循环，持续提升整个生态的文档质量。
- 未来愿景：探索 AI 间经验共享的可能性，走向联网智能（Networked Agent Intelligence）。
这或许是迈向“AI 软件工程师”的重要一步：它不只是会写代码的工具，更是一个能够学习、积累经验并持续进化的伙伴。
感兴趣的话，不妨现在就试试看，反正它是开源且免费的：
npm install -g @aisuite/chub
如果你想了解更多类似的开发者工具和前沿技术动态，可以关注云栈社区的更新，那里汇聚了许多关于AI、云计算和开源技术的深度讨论与实践分享。
参考链接
发表于 4 小时前
|
查看: 4|
回复: 0
