AI 编码文档上下文增强

解决 AI 编码中的 API 幻觉与版本错位

大模型在处理快速迭代的第三方库或内部私有工具时，常常因为训练数据滞后而产生“代码幻觉”。例如，模型可能会写出已废弃的函数，或者虚构不存在于当前版本中的 API，导致项目直接编译失败或运行报错。特别是在多版本并存（如 React 17/18/19）的复杂项目中，仅凭模型记忆很难保证代码的准确性。

核心能力与接入步骤

本技能的核心理念是：喂给模型权威文档，远比让它凭记忆猜测更可靠。它提供了一套标准化的上下文工程指南，帮助开发者在 AI 编码链路中接入实时文档。

• 判断触发时机：当依赖库发布不到 18 个月、迭代频繁，或涉及内部小众库时，自动激活文档增强逻辑。
• 选择接入方式：

- MCP 文档服务（推荐）：通过 MCP server 接入，让模型按需拉取文档片段，成本最低。
- 手动粘贴：将官方安装指南或 API 参考直接贴入对话。
- 检索增强（RAG）：针对内部库，自建文档切片检索系统。

• 提示词与校验：强制模型“先取文档再编码”，并在生成后核对导入路径、deprecated 标记，最后通过最小可运行样例进行验证。

适用边界与安全护栏

文档上下文并非万能。对于 Python 标准库等极其稳定的接口，无需额外引入文档。此外，文档上下文不能替代对源码关键逻辑（尤其是安全逻辑）的审查。

在安全层面，严禁将包含密钥或未公开接口的内部文档泄露给第三方 MCP 服务；对于内部库，必须采用自建 RAG 方案。始终以官方发布的文档为准，警惕社区镜像可能存在的滞后性。