📰 正文

你的 AI 编程助手写代码时，用的可能是半年前的 API 文档。

用 Claude Code、Cursor 这些 AI 编程工具写代码的时候，有没有遇到过这种情况：你让它调用某个 API，它信誓旦旦写出一段代码，结果一跑就报错，因为那个参数早就废弃了，或者压根就是它编出来的。

这个问题在开发者圈子里有个名字，叫 Agent Drift（Agent 漂移）。AI 的训练数据是有截止日期的，但 API 文档天天在更新。训练结束的那一刻，AI 的知识就开始"过期"了。

斯坦福大学教授、DeepLearning.AI 创始人吴恩达（Andrew Ng）刚刚开源了一个工具来解决这个问题：Context Hub。

image

一句话说清它是什么

Context Hub 是一个命令行工具（CLI），相当于给 AI 编程 Agent 配了一本实时更新的 API 字典。Agent 写代码之前先查字典，拿到最新的官方文档，就不用靠记忆瞎猜了。

安装就一行命令：

npm install -g @aisuite/chub

image

能干什么

  1. 搜索和获取文档

Agent 可以通过 chub search 搜索需要的 API 文档，用 chub get 拉取对应的最新版本。支持按编程语言筛选（Python 版或 JavaScript 版），只拿需要的内容，不浪费 token。

chub search "stripe payments"     # 搜索 Stripe 支付相关文档
chub get openai/chat --lang py    # 拉取 OpenAI 聊天 API 的 Python 版文档

目前已经收录了 68 个主流 API 提供商的文档，包括 Stripe、OpenAI、Anthropic、Supabase、Firebase、Twilio、Shopify、AWS 等。

  1. 本地注解：Agent 的"长期记忆"

这是我觉得最有意思的功能。Agent 在调用 API 的过程中发现了一个坑（比如 Stripe 的 webhook 验证必须用原始请求体，不能用解析后的 JSON），它可以把这个经验记下来：

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

下次不管是这个 Agent 还是同一台机器上的其他 Agent 再查 Stripe 文档，这条笔记会自动附在文档后面。Agent 不用每次从头踩坑了。

  1. 社区反馈：大家一起维护"字典"

Agent 还能给文档打分，标记"准确"“过时"“示例有误"等标签。这些反馈会汇总给文档维护者，帮助整个社区保持文档的新鲜度。

  1. MCP Server 原生集成

Context Hub 还提供了 MCP（Model Context Protocol）Server，Claude Code、Cursor、Windsurf 这些工具可以直接通过 MCP 调用，连命令行都不用敲。

实际场景

调新 API 不踩坑： 让 Agent 调用 OpenAI 最新的 Responses API 时，先 chub get openai/chat –lang py 拉一份当前版本的文档，避免它用已经过时的 Chat Completions API

跨项目复用经验： 在项目 A 里踩过 Firebase Auth 的一个坑，注解写好后，做项目 B 时 Agent 自动就知道了

团队协作： 同一台开发机上，不同 Agent 共享本地注解，避免团队成员重复踩同一个坑

省 token： 按语言筛选文档、增量拉取，只给 Agent 最精准的上下文

技能集成： 在 Claude Code 里创建一个 skill（~/.claude/skills/get-api-docs/），Agent 写代码前自动查文档，形成"查字典→写代码→记笔记"的闭环

现实地说几句

Context Hub 目前的定位是"人工策展 + 社区维护”。68 个 API 听起来不少，但全球活跃的 API 有几千个，覆盖率还差得远。如果你用的是小众 API 或者企业内部 API，目前是用不上的。

另外，注解功能目前只存在本地，没有跨机器同步。吴恩达在推文里提到了"长期目标是让 Agent 之间共享学到的知识”，但这还是愿景阶段，不是当前能力。

文档质量也完全依赖社区贡献。GitHub 上目前 3400 多个 star、87 个 commit，活跃度不错，但能不能持续维护、跟上 API 更新的速度，还得看后续。

怎么在体系中理解它

如果把 AI 编程工具的知识来源分个层：

底层： 模型训练数据（静态，会过期）

中层： RAG / 网页搜索（动态，但噪音大、格式不统一）

上层： Context Hub（人工策展、格式统一、Agent 可读、可注解）

Context Hub 想做的是"上层"这个位置。它和 RAG 不冲突，RAG 解决的是"去哪找信息"，Context Hub 解决的是"信息的质量和 Agent 友好度"。

GitHub：https://github.com/andrewyng/context-hub

来源：吴恩达给 AI 编程 Agent 造了一本"活字典"：Context Hub