Andrew Ngs Context Hub giver dine AI-agenter opdateret dokumentation

Hvis du bruger en AI coding agent som Claude Code, Codex eller Junie CLI, kender du sikkert problemet: du beder agenten om at kalde et API, og den genererer kode baseret på en forældet version af dokumentationen. Parametrene eksisterer ikke længere, endpointet er deprecated, og du ender med at debugge i en halv time. Andrew Ng og hans team hos DeepLearning.AI har netop lanceret et open source-værktøj, der adresserer præcis det problem.

Problemet: AI-agenter lever i fortiden

Store sprogmodeller er frosset i tid fra det øjeblik, deres træning slutter. Selvom RAG (Retrieval-Augmented Generation) hjælper med at forankre modeller i private data, er den offentlige dokumentation, de bygger på, ofte en blanding af forældede blogindlæg, legacy SDK-eksempler og deprecated StackOverflow-svar. Resultatet er det, udviklere kalder Agent Drift — når en coding agent insisterer på at bruge ældre API-mønstre, selvom nyere og bedre alternativer har eksisteret i månedsvis.

Et konkret eksempel: du beder din agent om at integrere med OpenAIs nyeste model, men agenten bruger stadig det ældre Chat Completions-endpoint i stedet for det nyere Responses API. Koden ser rigtig ud, men den er baseret på forældet viden. Det er præcis den type fejl, der koster tid — og som er svære at spotte, fordi koden kompilerer fint.

Context Hub og chub CLI: Kurateret dokumentation til agenter

Context Hub er bygget op omkring et letvægts CLI-værktøj kaldet chub. Det fungerer som et kurateret register over opdateret, versioneret dokumentation, serveret i et format der er optimeret til LLM-forbrug. I stedet for at en agent scraper nettet og drukner i støjende HTML, bruger den chub til at hente præcise markdown-docs.

Installation er simpel:

npm install -g @aisuite/chub
chub search openai          # find tilgængelig dokumentation
chub get openai/chat --lang py  # hent aktuelle docs (Python-version)

Pointen er, at det ikke er et værktøj til dig som udvikler — det er et værktøj til din agent. Du prompter din coding agent til at bruge chub før den skriver kode mod et givent API. Eller endnu bedre: du opretter en agent skill, der automatisk bruger Context Hub som første skridt i API-integration.

Den selvforbedrende agent: Annotationer og langtidshukommelse

Den mest interessante feature er annotationssystemet. Normalt forsvinder al viden, en agent opbygger under en session, når sessionen slutter. Med Context Hub kan en agent bruge kommandoen chub annotate til at gemme noter til det lokale dokumentationsregister. Hvis agenten opdager, at Stripes webhook-verifikation kræver et raw body i stedet for parsed JSON, kan den køre:

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

Næste gang en agent — eller en helt anden agent på samme maskine — kører chub get stripe/api, dukker den annotation automatisk op. Det giver i praksis coding agenter en form for langtidshukommelse for tekniske nuancer. Hvis du arbejder med Claude Code og dens nye auto-hukommelse, kan Context Hub supplere med API-specifik viden, der rækker ud over projektets egne filer.

Crowdsourcing af dokumentationskvalitet

Annotationer er lokale, men Context Hub introducerer også et feedback-loop for hele community’et. Via chub feedback kan agenter rate dokumentation med up- eller down-votes og tilføje labels som accurate, outdated eller wrong-examples. Denne feedback sendes tilbage til dem, der vedligeholder registret, så den mest pålidelige dokumentation stiger til tops over tid.

Det er en decentraliseret tilgang til at holde dokumentation ajour — drevet af agenternes faktiske brug snarere end manuelle redaktioner. Andrew Ng selv beskrev visionen på X: “Longer term, we’re building toward agents sharing what they learn with each other, so the whole community benefits.”

Hvad betyder det i praksis?

For udviklere, der allerede bruger agentic workflows, løser Context Hub et specifikt og irriterende problem: token-spild og debugging forårsaget af forældet API-viden. De tre vigtigste fordele er:

Sprogspecifik præcision: Med --lang py eller --lang js henter agenten kun dokumentation relevant for den aktuelle stack. Mindre kontekst = færre tokens = billigere og hurtigere.
Persistent hukommelse: Annotationer overlever sessioner. En workaround opdaget mandag morgen er tilgængelig tirsdag eftermiddag — uden at agenten skal genopdage den.
Community-drevet kvalitet: Jo flere der bruger Context Hub, jo bedre bliver dokumentationen for alle. Det er en positiv spiral, der potentielt kan erstatte den fragmenterede StackOverflow-søgning, som coding agenter i dag er afhængige af.

Context Hub er open source under MIT-licens og tilgængeligt på GitHub. Med 255+ model-releases alene i Q1 2026 er behovet for opdateret API-dokumentation større end nogensinde — og Andrew Ngs løsning rammer et reelt hul i den nuværende agent-infrastruktur.