Context7 Auto Research

Context7 自动化研究技能

指令

当用户输入包含以下关键词时，自动触发Context7文档研究：

中文触发条件

• "如何实现"、"怎么写"、"怎样制作" → 自动查询实现方案和教程
• "配置"、"设置"、"安装" → 自动获取配置指南和最佳实践
• "文档"、"参考"、"资料" → 自动检索官方文档和权威资料
• "最佳实践"、"推荐"、"建议" → 自动收集社区经验和优化建议
• "问题"、"错误"、"故障" → 自动搜索解决方案和故障排除指南

英文触发条件

• "how to implement"、"how to write" → 自动查询实现教程
• "configure"、"setup"、"install" → 自动获取配置指南
• "documentation"、"docs"、"reference" → 自动检索官方文档
• "best practice"、"recommendation" → 自动收集最佳实践

执行步骤

1. 检测触发条件 - 分析用户输入是否包含上述关键词
2. 生成查询策略 - 根据用户需求自动生成最优的Context7查询
3. 执行Context7搜索 - 使用 /skill context7 进行文档检索
4. 整合信息 - 将Context7返回的信息与项目上下文结合
5. 提供解决方案 - 给出具体的代码示例、配置步骤或实施建议

MCP工具使用说明

此技能主要使用以下MCP工具：

• Context7 MCP - 核心文档检索和信息查询工具
• WebFetch MCP - 辅助获取在线文档和资源
• Skill MCP - 用于调用其他相关技能

MCP调用方式

# 直接调用Context7 MCP
/skill context7 "查询内容"

# 在技能内部调用Context7
await useSkill('context7', { query: "用户查询内容" })

关键要素

自动化规则实现

• 严格按照用户设定："Always use context7 when I need code generation, setup or configuration steps, or library/API documentation"
• 无需用户明确请求，自动触发Context7查询
• 确保查询结果的准确性和时效性

查询优化策略

• 中英文关键词智能映射
• 技术栈特定查询优化
• 官方文档优先原则
• 社区最佳实践补充

结果质量保证

• 验证信息来源的权威性
• 确保代码示例的完整性
• 检查配置步骤的准确性
• 提供多层次的解决方案

示例场景

场景1：Godot开发咨询

用户输入: "如何实现Godot 4.x的彩色爆炸粒子效果"

自动执行流程:

1. 检测到"如何实现"触发条件
2. 自动查询: /skill context7 "Godot 4.x colored explosion particle effect implementation tutorial"
3. 整合官方文档和社区最佳实践
4. 提供完整的GDScript代码示例和配置说明

场景2：MCP工具配置

用户输入: "配置Chrome DevTools MCP服务器"

自动执行流程:

1. 检测到"配置"触发条件
2. 自动查询: /skill context7 "Chrome DevTools MCP server configuration setup guide"
3. 获取安装步骤和配置示例
4. 包含故障排除和常见问题解决方案

输出格式

1. 问题理解 - 确认用户需求和上下文
2. 研究过程 - 说明使用的Context7查询策略
3. 核心发现 - 突出最重要的信息点
4. 实施方案 - 提供具体的代码或配置
5. 补充资源 - 提供进一步学习的链接

注意事项

• 确保Context7查询的针对性和准确性
• 验证返回信息的时效性和可靠性
• 根据项目技术栈调整建议的适用性
• 提供足够的上下文信息帮助用户理解
• 在技术实现和最佳实践之间找到平衡