技能介绍

要解决的问题

大模型在调用库 API 时有两类高频翻车：一是记成了过时版本，某个函数的签名、必填参数在 v3 与 v4 之间已经改过，模型却按训练数据里的老写法继续输出；二是凭空脑补出一个根本不存在的导出名或配置项，代码能写出来但跑不起来。根源在于权重里存的是某一时间点的快照，而库本身还在持续演进。

Context7 的思路是不依赖模型记忆：在构造提示时，把目标库当前版本的文档和官方示例实时拉取并注入，让模型基于一手资料作答，而不是凭印象复述。

工作方式

按需拉取：在用户提问的时点直接从源端获取文档，而非预编译一份静态知识库，因此能覆盖刚发布不久的小版本。
版本锚定：注入内容与所查库的具体版本绑定，避免不同 major 版本的 API 描述混在同一段上下文里互相打架。
示例优先：除了 API 签名，还会带出可参考的官方代码片段，降低「知道有这个函数但不知道怎么调」的概率。
接入形态：以 MCP server 的形式挂在代码编辑器侧的代理链路上；配置的生成与清理由配套 CLI 负责，全局安装的包则需要另行卸载。
配额控制：官方建议在 context7.com/dashboard 申请免费 API key，以获得更高的速率限制。

适用边界与注意点

它解决的是文档时效性问题，不解决模型自身的逻辑错误。注入质量受上游源站可达性和覆盖度影响，冷门或文档稀疏的库未必能得到同等质量的内容，此时模型仍可能退回到自己的先验知识。此外整条链路依赖网络请求，在离线或出网受限的环境中注入会失败，需要有降级路径——至少让代理知道此刻拿不到文档，而不是静默生成一段看似合理、实则过时的调用。