技能介绍

解决的是文档漂移

大模型写代码时，常见问题不是语法错误，而是它仍按训练记忆调用某个库的 API；等到项目实际升级依赖后，生成的示例可能已经过期，甚至使用了被移除的函数。这个技能通过 Context7 MCP 获取与当前版本更接近的代码文档和示例，让 LLM 在回答库用法、API 参数、配置方式时优先依据检索到的文档，而不是仅凭训练语料猜测。

核心能力与工作方式

LLM 是路由层：负责理解用户意图、选择工具、提取参数；真正调用 API 的工作由脚本完成。
先做库 ID 解析：用 scripts.tools.resolve_library_id 把包名或产品名映射为 Context7 兼容 ID，例如 /org/project 或 /org/project/version 这类格式。
再取最新文档：用 scripts.tools.get_library_docs 按 ID 拉取文档。
结果可追溯：工具返回 result['raw']、result['success']、result['message']，整理后把原始数据展示给用户。

关键步骤

检查 API 密钥；若 scripts.config.settings.api_key 为空，通过 AskUserQuestion 询问用户，然后用 scripts.config.set_api_key(api_key) 保存。
根据用户意图选择工具；如果用户没有显式给出 Context7 兼容 ID，先调用 resolve_library_id。
提取参数，参数不完整时继续向用户询问。
调用 get_library_docs，必要时指定 mode、topic、page 等参数。
将返回的 raw 数据整理展示，而不是用模型自行补全缺失字段。

适用边界与注意点

API 密钥是硬性前置条件。缺少密钥时禁止自行搜索或编造文档数据。
如果用户已经明确提供了 /org/project 或 /org/project/version 形式的 ID，可以跳过 resolve_library_id；否则必须先解析。
mode='code' 适合 API 参考和代码示例；mode='info' 更适合概念解释、架构问题和指南类内容。
topic 可以用来聚焦 hooks、routing 等主题；上下文不足时可用 page=2、page=3 继续翻页。
库匹配会参考名称相似度、文档覆盖、来源声誉和 Benchmark Score，但最终仍需要开发者确认命中的库确实是目标库。