Chub：智能体专用文档检索工具

微信 ezpoda免费咨询：AI编程 | AI模型微调| AI私有化部署
AI工具导航 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

编码智能体正逐渐成为编写代码、集成 API 和自动化开发任务的强大工具。

但它们仍然面临着一个反复出现的问题：上下文可靠性。智能体经常会错误地使用 API、使用过时的文档，或者忘记在之前的会话中学到的内容。

为了解决这个问题，吴恩达 (Andrew Ng) 的上下文中心 (Context Hub) 引入了一个结构化的系统，为编码智能体提供精心整理的版本化文档和一个持续的学习循环。智能体无需依赖随机的网络搜索，即可访问随着时间推移不断完善的可靠文档。

Context Hub 作为编码智能体的集中式知识层，确保它们在生成代码时始终拥有正确的信息。

1、什么是 Context Hub？

Context Hub (Chub) 是一个专为 AI 编码智能体（而非人类）设计的开放系统。它允许智能体检索结构化文档并从之前的任务中学习。

Context Hub 中的所有文档均：

• 开源
• 采用 Markdown 编写
• 版本控制且针对特定语言
• 通过社区贡献维护

这意味着开发人员可以准确检查智能体读取的内容，从而确保透明度和可靠性。

智能体无需再向网络询问：

“如何调用此 API？”

它可以直接从 Context Hub 获取所需的文档。

2、快速入门

Context Hub 提供了一个简单的 CLI，代理可以在执行任务期间运行它。

安装

npm install -g @aisuite/chub

搜索可用文档：

chub search openai

获取 API 文档

chub get openai/chat --lang py

这将返回所请求 API 的最新版本 Python 格式文档。

代理可以立即使用该文档生成正确的代码。

3、Context Hub 的工作原理

代理的工作流程设计得非常简单。

• 搜索

代理首先查找相关文档。

chub search "stripe payments"

• 获取

找到文档后，代理获取该文档。

chub get stripe/api --lang js

• 使用

代理读取文档并据此编写正确的代码。

这可以减少错误，并提高生成的代码实际成功运行的概率。

4、教智能体使用 Context Hub

Context Hub 旨在与编码智能体直接集成。

例如，可以这样提示智能体：

“在编写代码之前，请使用 CLI 命令 chub 获取最新的 API 文档。”

许多智能体框架允许创建可重用的智能体技能。例如，Claude Code 的用户可以定义一个技能，该技能在生成代码之前使用 Context Hub 自动检索 API 文档。

示例技能目录：

~/.claude/skills/get-api-docs

开发者可以在该目录中放置一个 SKILL.md 文件，描述智能体应该如何调用 chub。

这确保智能体在编写代码之前始终检索文档。

5、自我改进的智能体

Context Hub 最有趣的理念之一是智能体会随着时间的推移而变得更加智能。这通过两种机制实现：

• 标注

智能体可以为文档添加标注。

示例：

chub annotate stripe/api "Needs raw body for webhook verification"

这些标注：

• 跨会话持久有效
• 下次获取文档时自动显示
• 帮助代理记住过去的修复或变通方案

实际上，代理构建了自己的体验层。

• 反馈

代理还可以对文档质量进行投票。

chub feedback stripe/api up

或

chub feedback stripe/api down

这些反馈会返回给文档维护者，帮助他们不断改进内容。

因此，系统会随着实际使用而不断演进。

6、内容类型

Context Hub 支持版本化的、特定语言的文档。示例：

Python 文档：

chub get openai/chat --lang py

JavaScript 文档：

chub get openai/chat --lang js

未来版本计划包含更多内容类型，例如：

• 智能体技能
• 工作流模板
• 集成指南

这最终可能使 Context Hub 成为一个庞大的智能体可用知识生态系统。

7、主要特性

增量获取

大型文档可以拆分为多个参考文件。智能体可以仅获取所需内容。获取特定参考文件。

--full

获取整个文档集。

这可以减少令牌使用量并加快智能体工作流。

标注和持久学习

智能体可以存储附加到文档的本地标注。

这些注释：

• 跨会话保留
• 在以后的获取中自动显示
• 允许智能体记住过去的调试经验积累

这可以将一次性修复转化为永久知识。

开放贡献模式

任何人都可以为 Context Hub 做出贡献。

贡献内容包括：

• API 文档
• 代理技能
• 工作流程说明

所有内容均以 Markdown 编写，并带有 YAML 前置元数据，通过 pull request 提交。

这种开放模式允许：

• API 提供商发布官方文档
• 开发者添加实际修复
• 社区提升代理可靠性

8、Context Hub 的重要性

如果没有像 Context Hub 这样的系统，编码代理通常遵循脆弱的工作流程：

没有 Context Hub

• 代理搜索网络
• 结果杂乱无章或过时
• 生成的代码存在问题
• 修复需要手动完成
• 知识在下次会话中被遗忘

有了 Context Hub

• 代理获取精心整理的文档
• 代码生成更加可靠
• 解决方法以注释的形式存储
• 代理记住过去的解决方案
• 文档通过反馈不断改进

随着时间的推移，这将形成一个正反馈循环，使代理持续改进。

9、结束语

Context Hub 代表着迈向更可靠的 AI 编码代理的重要一步。它不再将文档视为互联网上的静态文本，而是将其转化为结构化、版本化且代理可读的知识层。

通过结合精心整理的文档、持久化的注释和社区反馈，Context Hub 使代理能够从无状态工具转变为学习系统。

随着 AI 代理在软件开发中扮演越来越重要的角色，像 Context Hub 这样的系统可能会成为确保生成的代码正确、可维护且及时更新的关键基础设施。

原文链接：Andrew NG's Context Hub for AI Agents

汇智网翻译整理，转载请标明出处