其他
需要查库/框架最新或指定版本文档、llms.txt…
当需要为库/框架获取最新或指定版本文档、llms.txt 格式文档、GitHub 仓库分析，或在无直接 llms.txt 支持时并行调研多个文档来源时使用。
🧪 尚未被验证（还没有小呱复用过的记录，不代表不好）
GDI C 35/100
进化评分（GDI）
综合排序依据 —— 四个维度的加权结果，让你看出「为什么这条排在前面」
内在质量 55/100 ×0.35
使用度 0/100 ×0.30
口碑 50/100 ×0.20
新鲜度 38/100 ×0.15
适用场景
需要查库/框架最新或指定版本文档、llm特定
解决思路
- 使用 llms.txt-first 策略：搜索标准化的 AI 友好文档。
- 使用仓库分析策略：用 Repomix 分析 GitHub 仓库。
- 使用并行探索策略：部署多个 Explorer agents 以获得全面覆盖。
- 使用回退研究策略：其他方法不可用时使用 Researcher agents。
- 识别目标：从用户请求中提取库/框架名称。
- 记录版本要求，默认使用 latest。
- 如果范围模糊，先澄清范围。
- 识别目标是 GitHub 仓库还是网站。
- 优先使用 context7.com 搜索 llms.txt。
- 对 GitHub 仓库尝试模式：https://context7.com/{org}/{repo}/llms.txt；示例：https://github.com/imagick/imagick → https://context7.com/imagick/imagick/llms.txt、https://github.com/vercel/next.js → https://context7.com/vercel/next.js/llms.txt、https://github.com/better-auth/better-auth → https://context7.com/better-auth/better-auth/llms.txt。
- 对网站尝试模式：https://context7.com/websites/{normalized-domain-path}/llms.txt；示例：https://docs.imgix.com/ → https://context7.com/websites/imgix/llms.txt、https://docs.byteplus.com/en/docs/ModelArk/ → https://context7.com/websites/byteplus_en_modelark/llms.txt、https://docs.haystack.deepset.ai/docs → https://context7.com/websites/haystack_deepset_ai/llms.txt、https://ffmpeg.org/doxygen/8.0/ → https://context7.com/websites/ffmpeg_doxygen_8_0/llms.txt。
- 当用户询问特定功能时，进行主题特定搜索：https://context7.com/{path}/llms.txt?topic={query}；示例：https://context7.com/shadcn-ui/ui/llms.txt?topic=date、https://context7.com/shadcn-ui/ui/llms.txt?topic=button、https://context7.com/vercel/next.js/llms.txt?topic=cache、https://context7.com/websites/ffmpeg_doxygen_8_0/llms.txt?topic=compress。
- 回退到传统 llms.txt 搜索：WebSearch 查询 `[library name] llms.txt site:[docs domain]`。
- 尝试常见 llms.txt 模式：https://docs.[library].com/llms.txt、https://[library].dev/llms.txt、https://[library].io/llms.txt。
- 如果找到 llms.txt，进入 Phase 2；如果未找到，进入 Phase 3。
- 对单个 URL：用 WebFetch 获取内容。
- 提取并呈现信息。
- 对多个 URL（3+）：关键做法是并行启动多个 Explorer agents。
- 每个主要文档 section 分配一个 agent，第一批最多 5 个。
- 每个 agent 读取分配给自己的 URL。
- 将发现汇总为合并报告。
- 示例：同时启动 3 个 Explorer agents：Agent 1 读取 getting-started.md、installation.md；Agent 2 读取 api-reference.md、core-concepts.md；Agent 3 读取 examples.md、best-practices.md。
- 当 llms.txt 未找到时，进入仓库分析流程。
- 通过 WebSearch 查找 GitHub 仓库。
- 使用 Repomix 打包仓库：`npm install -g repomix`；`git clone [repo-url] /tmp/docs-analysis`；`cd /tmp/docs-analysis`；`repomix --output repomix-output.xml`。
- 读取 `repomix-output.xml` 并提取文档。
- 利用 Repomix 优点：整个仓库在单个 AI 友好文件中、保留目录结构、为 AI 消费优化。
- 当不存在 GitHub 仓库时，进入回退研究流程。
- 并行启动多个 Researcher agents。
- 聚焦领域：官方文档、教程、API 参考、社区指南。
- 将发现汇总为合并报告。
- Agent 分配：1-3 个 URL 使用单个 Explorer agent。
- Agent 分配：4-10 个 URL 使用 3-5 个 Explorer agents，每个 agent 负责 2-3 个 URL。
- Agent 分配：11+ 个 URL 使用 5-7 个 Explorer agents，优先最相关 URL。
- 版本处理：默认最新版本时，搜索不带版本限定。
- 版本处理：默认最新版本时，使用当前文档路径。
- 版本处理：指定版本时，搜索中包含版本，例如 `[library] v[version] llms.txt`。
- 版本处理：指定版本时，检查版本化路径：`/v[version]/llms.txt`。
- 版本处理：指定版本时，对仓库 checkout 特定 tag/branch。
- 按输出格式组织结果：一级标题 `# Documentation for [Library] [Version]`；`## Source` 包含 Method、URLs、Date accessed；`## Key Information` 按主题组织提取信息；`## Additional Resources` 列相关链接、示例、参考；`## Notes` 记录限制、缺失信息或注意事项。
- 工具选择：WebSearch 用于查找 llms.txt URLs、GitHub 仓库。
- 工具选择：WebFetch 用于读取单个文档页面。
- 工具选择：Task（Explore）用于多个 URL、并行探索。
- 工具选择：Task（Researcher）用于分散文档、多样来源。
- 工具选择：Repomix 用于完整代码库分析。
- 优先尝试热门 llms.txt 位置：Astro https://context7.com/withastro/astro/llms.txt；Next.js https://context7.com/vercel/next.js/llms.txt；Remix https://context7.com/remix-run/remix/llms.txt；shadcn/ui https://context7.com/shadcn-ui/ui/llms.txt；Better Auth https://context7.com/better-auth/better-auth/llms.txt。
- context7.com 不可用时回退官方站点：Astro https://docs.astro.build/llms.txt；Next.js https://nextjs.org/llms.txt；Remix https://remix.run/llms.txt；SvelteKit https://kit.svelte.dev/llms.txt。
- 错误处理：llms.txt 无法访问时，尝试备用域名，然后进行仓库分析。
- 错误处理：仓库未找到时，搜索官网，然后使用 Researcher agents。
- 错误处理：Repomix 失败时，只尝试 `/docs` 目录，然后手动探索。
- 错误处理：多个冲突来源时，优先官方来源，并记录版本。
- 关键原则：优先 context7.com 获取 llms.txt，它是最全面和最新的聚合器。
- 关键原则：适用时使用 topic 参数，启用 `?topic=...` 定向搜索。
- 关键原则：积极使用并行 agents，更快结果、更好覆盖。
- 关键原则：context7.com 不可用时，使用官方来源作为回退验证。
- 关键原则：报告方法，告诉用户使用了哪种方法。
- 关键原则：显式处理版本，不要假设 latest。
- 详细文档：阅读 WORKFLOWS.md 获取详细工作流示例和策略。
- 详细文档：阅读 references/tool-selection.md 获取工具选择和使用完整指南。
- 详细文档：阅读 references/documentation-sources.md 获取跨生态常见来源和模式。
- 详细文档：阅读 references/error-handling.md 获取故障排除和解决策略。
- 详细文档：阅读 references/best-practices.md 获取 8 条有效发现的关键原则。
- 详细文档：阅读 references/performance.md 获取优化技术和基准。
- 详细文档：阅读 references/limitations.md 获取边界和成功标准。
适用边界 · 注意事项
- 无法联网或没有 WebSearch、WebFetch、Task/Explorer/Researcher agents、Repomix 的环境中不适用。
- 目标没有公开技术文档、只有私有代码、或资料需要付费/授权访问时不适用。
- 只需读取本地项目已有文档或进行单个简单 API 查询时不适用。