关于如何让 AI 准确读取 API 文档，我整理了三种方案，并希望得到更好的建议。目前，虽然 AI 知识库中包含了一些 API 知识库，但大多数情况下都会有偏差。以下是我目前知道的几种方案：

  1. 使用 Cursor+Grok codeFast+Firecrawl（或 EXO）批量抓取所有 API，然后整理到一个文档中，在编码时直接读取。
  2. NotebookLM，这是一种较新的方案，通过 Firecrawl 下载 API 文档，然后将其交给 NotebookLM，再通过第三方的 NotebookLM MCP（通过 playwright 无头模式进行对话）来获取最佳实践答案。
  3. 将所有文档打包成一个 MCP，但使用效果似乎并不理想。

主要目的是让 AI 在限定的范围内给出准确的答案。我想和各位交流：有没有大家觉得比较可靠、可操作、效果良好的方案？比如：

  • 有没有“爬取 + 结构化 + 版本管理 + RAG”这一整套的开源框架或项目？
  • 在 API 文档这种场景下，按服务/版本/语言做 metadata + 检索的经验？
  • 在实际使用中，怎样做“模型只能在指定文档回答，不越界”的 prompt 或机制？
  • 有没有人用过 Casibase/RAGFlow 这类工具，效果如何？

我目前倾向的改进路径是：自动抓取 → chunk + metadata → 向量检索（RAG）→ prompt 中明确“基于 vX 版本”的上下文限定。大家有没有实践经验，或者推荐开源/半开源项目？

标签: none

评论已关闭