通过脚本进行文档发现
概述
脚本优先的文档发现,基于 llms.txt 标准。
执行脚本以处理整个工作流程 - 无需手动构造 URL。
主要工作流程
始终按此顺序执行脚本:
# 1. 检测查询类型(主题特定 vs 通用)
node scripts/detect-topic.js "<用户查询>"
# 2. 使用脚本输出获取文档
node scripts/fetch-docs.js "<用户查询>"
# 3. 分析结果(如果返回多个 URL)
cat llms.txt | node scripts/analyze-llms-txt.js -
脚本自动处理 URL 构造、回退链和错误处理。
脚本
detect-topic.js - 分类查询类型
- 识别主题特定 vs 通用查询
- 提取库名 + 主题关键词
- 返回 JSON:
{topic, library, isTopicSpecific} - 零标记执行
fetch-docs.js - 检索文档
- 自动构造 context7.com URL
- 处理回退:主题 → 通用 → 错误
- 输出 llms.txt 内容或错误消息
- 零标记执行
analyze-llms-txt.js - 处理 llms.txt
- 对 URL 分类(关键/重要/补充)
- 推荐智能体分配(1 个智能体、3 个智能体、7 个智能体、分阶段)
- 返回包含策略的 JSON
- 零标记执行
工作流程参考
主题特定搜索 - 最快路径(10-15 秒)
通用库搜索 - 全面覆盖(30-60 秒)
仓库分析 - 回退策略
参考资料
context7-patterns.md - URL 模式、已知仓库
errors.md - 错误处理、回退策略
advanced.md - 边缘情况、版本控制、多语言
执行原则
- 脚本优先 - 执行脚本而非手动构造 URL
- 零标记开销 - 脚本运行时不加载上下文
- 自动回退 - 脚本处理主题 → 通用 → 错误链
- 渐进式公开 - 仅在需要时加载工作流程/参考资料
- 智能体分配 - 脚本推荐并行智能体策略
快速开始
主题查询: "如何在 shadcn 中使用日期选择器?"
node scripts/detect-topic.js "<查询>" # → {topic, library, isTopicSpecific}
node scripts/fetch-docs.js "<查询>" # → 2-3 个 URL
# 使用 WebFetch 读取 URL
通用查询: "Next.js 文档"
node scripts/detect-topic.js "<查询>" # → {isTopicSpecific: false}
node scripts/fetch-docs.js "<查询>" # → 8+ 个 URL
cat llms.txt | node scripts/analyze-llms-txt.js - # → {totalUrls, distribution}
# 按推荐部署智能体
环境
脚本加载 .env:process.env > .opencode/skills/docs-seeker/.env > .opencode/skills/.env > .opencode/.env
查看 .env.example 获取配置选项。