推荐语

Upstash 创始人力荐的 AI 编程助手 Context7，让你的代码编写不再翻车。

核心内容：
1. AI 编程助手在新库使用中的挑战与痛点
2. Context7 提供的最新、结构化官方文档上下文
3. Context7 的核心优势：精准过滤、去伪存真，提升 AI 编码能力

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

? Insight Daily ?

Aitrainee | 公众号：AI进修生

Hi，这里是Aitrainee，欢迎阅读本期新文章。

Upstash 联合创始人 Enes Akar 亲自下场安利自家新工具 Context7。

他吐槽说，过去一年用 AI 编程助手写代码，感觉就像开盲盒——碰上模型训练截止日期前的老库还行，一用到新东西，AI 就开始瞎编 API、生成一堆跑不起来的破代码。

就算你把新库的文档复制给 AI，效果也一般：文档太臃肿，容易超 Token 限制，还得一页页喂，AI 根本抓不住重点。

比如 Claude 3.5 可能根本不懂最新的 Next.js 15，给的 CDN 链接也可能是过时的，你让它修它也懵圈，因为它压根就没学过新的写法。

解决方案：Context7 闪亮登场。这玩意儿就是给你的 AI 编程助手 (任何 LLM 或 AI 代码编辑器都行) 提供永远最新、还区分版本的官方文档上下文。

他们把市面上超多库 (现在已经索引了 3500 多个) 的官方文档都扒下来，整理好，结构化了。

简单理解，就是搞了个专门搜文档的 RAG。你问问题，它就从这些文档里捞相关的片段给你，还能限制返回多少字 (token)。

这是一个能让你的 AI 编程能力更上一层楼的MCP服务器。

AI编码的一个痛点：模型知识库更新不及时，尤其在前端这种“月抛型”技术栈里特别难受。虽然 Cursor 自带文档索引功能，但效果差点意思，还得手动提醒它用。

Context7 的核心武器：

• 只喂干货： 从官方文档里提取出真正能跑的代码片段。

• 精准过滤： 按库的版本过滤，确保信息准确。

• 去伪存真： 用自研的排序算法，只给你最相关的、最简洁的信息，没有废话。

效果拔群，不管是像 Next.js 这种更新狂魔，还是那些 LLM 根本没学过的小众库，Context7 都能搞定。适合跟 Next.js、React、Tailwind 这些更新贼快的框架打交道。

▼ 解决AI编码的最大问题之一：Context7 MCP 使你的 AI 能够访问当前文档，而不是过时的训练。

覆盖了所有主流库，比如 Next.js, Clerk, MongoDB, Upstash, Fast API 等等，不光是 Web 开发，只要有代码文档就能加。

在 MCP 里，Context7 提供俩工具：

• resolve_library_id: 帮你从模糊的搜索词（比如 "next router"）找到精确的库名 ID。

• get_library_docs: 用上面找到的 ID，把对应的文档内容抓给你。

比如 OpenAI 上个月刚出的 Agents SDK，现在这些大模型肯定两眼一抹黑。你可以让 AI “请教” Context7，先用 resolve 找到 openai-agents 这个 ID，再用 get 把文档拿过来。AI 看了文档，果然就能写出正确的代码了。

我这里只是描述这个过程，实际操作。因为是agent的调用mcp它都是自动完成的，你需要做的只是提供需求而已。比如告诉他使用Context7。

我这里在开发一个吉卜力风格的博客网站的时候用到了。Context7 和 sequentialThinking

某些中间过程，给Cursor的提示如下

“ 请在以下事项中使用我的两个 MCPs：

Sequential Thinking 确保编码的路径、思维是正确的，

另外一个例子：

让 Cursor 用 Next.js 15.3 里新出的事件处理器 onNavigate 写个例子。用Claude 3.5 ，这模型肯定不知道最新的 Next.js 更新。

就算明确在 Prompt 里要求用 onNavigate，并且 @ 了Next.js 的官方文档 (这文档早就更新了 onNavigate 的用法)，结果 Cursor 生成的代码虽然“能用”，但压根没用 想要的那个新 onNavigate 处理器，还是老一套 onClick 的写法。

换上 Context 7 再试试：
这次，不用 Cursor 自带的 @ 文档功能了，直接在 Prompt 里加了句 use context 7。

结果立竿见影：

• Cursor 生成的代码完美使用了最新的 onNavigate 事件处理器。

• 用的还是那个不知道新库的 Claude 3.5 Sonnet 模型。

• 代码质量几乎和官方文档示例一模一样。

从 Context7 复制文档

我们选择 Upstash Redis 作为我们想要搜索的库（选择您喜欢的任何库 — 例如 Next.js、React 等），输入 stream trim 作为我们的搜索词，然后复制链接。

粘贴到光标中

获得正确代码

怎么工作的？

1. 当你向 AI 助手提问，涉及到某个库时，助手会先调用 Context7 的 resolve_library_ID 工具，根据你的模糊描述 (比如 "nextjs middleware") 找到准确的库 ID (比如 "nextjs-15")。

2. 然后，再调用 get_library_docs 工具，传入准确的库 ID 和你的具体问题 (比如 "how to use middleware")，Context7 就会在对应的文档里进行向量搜索，把最相关的文档片段作为上下文返回给 AI 助手。

3. AI 助手拿到最新的官方文档片段后，就能生成更准确、更符合当前版本的代码了。

技术拆解

1. 解析 (Parse): 从文档里扒拉代码片段和示例。

2. 丰富 (Enrich): 用 LLM 加点简短解释和元数据。

3. 向量化 (Vectorize): 把内容 Embedding，方便语义搜索。

4. 重排序 (Rerank): 用自研算法给结果排序，确保相关性。

5. 缓存 (Cache): 用自家 Upstash Redis 缓存请求，保证速度。

结果就是： 输出准确的代码示例，让 Cursor, Claude 这些 LLM 能生成正确、高质量的代码。

最香的部分：免费。
Context7 是 Upstash 团队做的，跑在自家基建上。所以他们决定对个人和教育用途免费开放。目的就是帮开发者省时间，提升 AI 代码输出质量。

给库作者的福利：给你的库也搞个 llms.txt
你可以把 llms.txt 理解成给 LLM 看的 robots.txt。robots.txt 告诉爬虫啥能看，llms.txt 则给 LLM 提供优化过的、预处理好的文档摘要。

Context7 会自动给开源库生成这种可搜索的 llms.txt 文件。库作者也可以去 context7.com/add-package 提交自己的项目，或者直接在 GitHub 上提 PR。几分钟就能搞定。

小科普：助手 (Assistants) vs 代理 (Agents)
作者提到，虽然经常混用，但两者有区别：

• 助手 (如 Cursor, Copilot): 你还是主力，它们帮你写得更快。

• 代理 (如 V0, Replit): 直接帮你写整个应用或组件。

• (像 Cursor 和 Windsurf 这种是混合模式)
  新手或非技术人员可能更喜欢 Agent，中高级开发者用 Assistant 更能掌控全局。

为啥 Context7 和 Cursor/Windsurf 是绝配？
Context7 就是为 Cursor, Windsurf 这类 AI-First 的编辑器设计的。它们都允许用户直接把外部上下文塞进聊天或代码补全里。有了 Context7，你就能把最新、最准、去除了噪音的官方代码片段喂给它们，等于给 AI 配了副“最新款眼镜”。

未来路线图 (Roadmap):

• API/SDK，方便开发者接入。

• 支持老版本库和私有库。

• 代码片段搜索和多库支持。

• 按语言 (Python, JS 等) 过滤。

一起搞事：
Context7 刚上线，欢迎大家去 context7@upstash.com 或 GitHub 提意见。

总而言之，Context7 通过提供精准、最新、区分版本的官方代码示例作为上下文，解决了 LLM 和 AI 编程助手因知识库陈旧而导致的“代码幻觉”和低效问题，尤其对于快速迭代的技术栈和新库、小众库效果显著。而且它还免费。

总结一下 Context7 的牛逼之处：

• ✅ 文档永远最新，还分版本。

• ✅ 代码示例来自官方源码，保证能跑。

• ✅ 信息简洁、相关，没有废话填充。

• ✅ 个人使用免费。

• ✅ 支持 MCP (模型上下文协议) 集成。

当然，Context7 也不是万能的：

• 它不会帮你 总结 文档重点，只会原文照搬（或者截取）。

• 像 CDN 路径这种通常不在文档核心内容里的信息，它可能还是会 “幻觉” 出错。

怎么装？简单。

去他们 GitHub 页面，复制代码块，粘贴到 Cline 或 RooCode 的 MCP 配置文件里，重启下工具就好了。

https://github.com/upstash/context7

安装这里，我们可能还要区分一下：

{  "mcpServers": {    "context7": {      "command": "npx",      "args": ["-y", "@upstash/context7-mcp@latest"]    }  }}

直接点击mcp市场安装按钮即可。

总的来说：
Context7 对付那些主流、文档写得好的库（像 Next.js, Three.js 这些）效果拔群。你可以把它跟你现有的搜索类 MCP 工具（比如 Search MCP）搭配着用。Upstash 出品，速度有保障。算是给你的 AI 助手又加了个靠谱的 “外挂知识库”。

Upstash 是一个Serverless 数据平台，提供了开箱即用的Redis 和Kafka 数据服务，让用户能够方便地在云环境中集成使用。

关于Context7的更多实际相关用例&提示词，我会继续更新在知识星球中。

本号知识星球（汇集ALL订阅频道合集和其他）：

星球里可获取更多AI实践和资讯：

本号连载过许多MCP的文章，从概念到实践再到自己构建：

MCP实践：Cursor + MCP：效率狂飙！一键克隆网站、自动调试错误，社区：每个人都在谈论MCP！

最新MCP托管平台：让Cursor秒变数据库专家，一键对接Github，开发效率暴增！

Blender + MCP 从入门到实践：安装、配置、插件、渲染与快捷键一文搞定！

比Playwright更高效！BrowserTools MCP 让Cursor直接控制当前浏览器，AI调试+SEO审计效率狂飙！

手把手教你配置BrowserTools MCP，Windows 和 Mac全流程，关键命令别忽略。

2分钟构建自己的MCP服务器，从算数到 Firecrawl MCP（手动挡 + AI档）

太简单了！Cline官方定义MCP开发流程，聊天式开发，让MCP搭建不再复杂。

点这里?关注我，记得标星哦～