摘要： AI 辅助编程现已成为软件开发的主流，84% 的开发者已将 AI 工具融入工作流。本报告系统性地审视了这一趋势下 CKB 生态在 AI 覆盖上的现状与差距——从开发者工具选择、AI 检索机制、到 Solana/Ethereum 的 AI First 最佳实践对标分析。核心发现包括：CKB 在 AI 可消费性上存在严重缺口（无 llms.txt、无官方 MCP、无 Skills等），Context7 代码片段量仅为竞品链 SDK 的 1/22–1/41；同时 Bolt.new 上的实测也表明，AI 工具已具备基础 CKB 编程能力，但在高级场景中仍会出现幻觉或功能性错误 。这不是一个可行性问题，而是一个准确性和丰富度的问题。结合以上信息最终给出我们认为最有价值的改进建议。
以下是完整报告。
目录
- 1. 开发者 AI 编程习惯现状
- 2. AI 处理开发者问题的检索习惯与流程
- 3. Solana 与 Ethereum 的 AI First 实践与成效
- 4. CKB 在 AI 平台上的现有覆盖评估
- 5. 改进建议与行动计划
- 6. 实施路线图
- 附录
1. 开发者 AI 编程习惯现状
1.1 宏观数据
- 84% 的开发者 使用或计划使用 AI 编程工具（2025 Stack Overflow 开发者调研）。其中，51% 的专业开发者每天使用 AI 工具，另有 17.7% 每周使用。
- 41% 的代码 由 AI 生成或辅助完成。
- GitHub Copilot 活跃用户中，46% 的代码 由 AI 贡献（2022 年发布时仅为 27%）
1.2 主流工具分类与市场格局
开发者使用的 AI 编程工具可归为四大类：
| 类型 | 代表工具 | 特点 | 市场地位 |
|---|---|---|---|
| AI 原生 IDE | Cursor, Windsurf, Google Antigravity 等 | 从零构建，AI 作为核心交互层；全项目上下文感知；深度 Agent 能力 | 增长最快，Cursor 估值约 $50B |
| IDE 插件/扩展 | GitHub Copilot, Cline, Augment Code, Amazon Q | 集成到现有编辑器（VS Code / JetBrains）；尽可能延续开发者现有工作流 | 用户量最大，Copilot 用户超 2000 万 |
| 终端/CLI Agent | Claude Code, Aider | 命令行操作，无 GUI；自主性最强；适合复杂架构任务 | 技术深度型开发者偏好 |
| Web 平台 | Bolt.new, Replit | 浏览器内运行，无需本地环境；适合快速原型和非开发者 | 入门级 / 原型场景 |
1.3 开发者工具选择的关键趋势
- Agent 模式成为标配 ：到 2026 年初，所有主流工具都已具备某种程度的 Agent 能力（自主推理、拆分子任务、执行代码、运行测试、自我纠错）。
- 全项目上下文是核心竞争力 ：开发者最看重的技术标准是，工具能否理解整个项目，而非仅当前打开的文件。Cursor 与 Windsurf 的全代码库索引能力正是其核心卖点。
- 多工具并用是常态 ：开发者可能用 Claude Code 处理复杂架构，用 Cursor 进行日常编码，再用 Copilot 完成快速补全。这意味着需要适配多种工具。
- MCP（Model Context Protocol）快速普及 ：MCP 是连接 AI 助手与外部数据源的开放标准，由 Anthropic 于 2024 年 11 月发布，已被 OpenAI、Google、Microsoft 等主流厂商采纳。截至 2025 年底，MCP 服务器累计下载量已超过 800 万，生态内服务器数量超过 5800 个。
1.4 开发者评估 AI 工具的六大标准
- 上下文窗口与代码库理解能力 ——能否理解整个项目。
- Agent 深度 ——是只能建议代码片段，还是能自主编写、测试、修复并提交。
- 模型灵活性 ——是否绑定单一 AI 服务商。
- 定价模型 ——订阅制 / 按量付费 / 自有密钥付费。
- 编辑器集成 ——是否需要迁移现有工作流。
- 企业合规 ——SOC 2、数据驻留等。
1.5 对 CKB 目标开发者的启示
CKB 的目标开发者群体（Web3 原生 + Web2 转型）在使用 AI 工具时呈现出不同的特点：
- Web3 原生开发者 ：倾向使用 Cursor / Windsurf 等 AI 原生 IDE，重度依赖 Agent 模式处理复杂的链上逻辑；也会使用 Claude Code 等终端工具来应对底层架构。
- Web2 转型开发者 ：更多使用 GitHub Copilot（学习成本低），依赖 AI 来弥补区块链知识差距；对文档检索和代码示例的依赖度极高。
2. AI 处理开发者问题的检索习惯与流程
2.1 AI 编程助手的分层检索机制
当开发者向 AI 提问时（如"如何在 CKB 上创建一个转账交易？"），AI 按以下优先级检索信息：
第 1 层：项目本地上下文（最高优先级）
├── 项目配置文件（CLAUDE.md / .cursorrules / AGENTS.md 等）
├── 当前打开的文件 & 最近编辑的文件
├── 项目依赖（package.json / Cargo.toml 等）
└── 全代码库向量索引（语义搜索）
↓
第 2 层：MCP 服务器（外部结构化数据源）
├── Context7 MCP — 9000+ 库的实时文档检索
├── DeepWiki MCP — GitHub 仓库的 AI 文档
└── 自定义 MCP 服务器
↓
第 3 层：AI 模型训练数据（内置知识）
├── 公开文档、教程、Stack Overflow 等
└── GitHub 公开仓库代码
↓
第 4 层：Web 搜索（实时补充）
├── 搜索引擎结果
└── llms.txt / llms-full.txt 文件
2.2 各检索层的详细工作原理
第 1 层：项目本地上下文
AI 编程助手会首先索引开发者的整个项目：
- 向量化索引 ：Cursor 将整个项目编码为向量存储，Windsurf 的远程索引引擎可处理超大代码库。
- 项目规则文件 ：这是开发者向 AI 注入项目特定知识的关键入口。
| 配置文件 | 适用工具 | 格式 |
|---|---|---|
CLAUDE.md |
Claude Code | Markdown，支持 5 层继承 |
.cursorrules |
Cursor | 纯文本/Markdown |
copilot-instructions.md |
GitHub Copilot | Markdown |
.windsurfrules |
Windsurf | 纯文本/Markdown |
AGENTS.md |
OpenAI Codex/ChatGPT | Markdown |
第 2 层：MCP 服务器
MCP 的工作流程如下：
- 请求检测 ：AI 分析开发者的 prompt，识别涉及的库或框架。
- 文档检索 ：MCP 服务器查询其索引的文档数据库。
- 智能排序 ：通过排名算法筛选最相关的文档片段。
- 上下文注入 ：将检索到的文档注入 prompt 的上下文窗口中。
- 生成响应 ：LLM 基于最新、准确的文档生成代码。
Context7 的工作方式 ：
- 为超过 9000 个库的文档和代码示例建立索引。
- 通过
resolve-library-id和get-library-docs两个工具向 AI 客户端暴露数据。 - CKB CCC 库已收录于 Context7，包含 141 个代码片段，基准分 85.1。
DeepWiki 的工作方式 ：
- 为 GitHub 仓库自动生成 AI 驱动的交互式文档。
- 通过 MCP 提供
read_wiki_structure、read_wiki_contents、ask_question等工具。 - CKB CCC 已有完整的 Wiki 结构（六大章节，覆盖核心层、集成层、钱包集成、协议扩展等）。
第 3 层：训练数据
AI 模型的训练数据有时效性问题。对于 CKB 这样的小众链，训练数据中的 CKB 信息量远少于 Ethereum/Solana。这使得第 1、2 层的信息供给尤为关键——如果这两层没有足够准确的信息，AI 就会用训练数据里有限且可能过时的知识来"推断"答案。
第 4 层：llms.txt 标准
llms.txt是一个新兴标准（类似 robots.txt），以 Markdown 格式提供网站内容的结构化摘要。llms-full.txt则包含完整内容，供 AI 模型直接消费。- 已被 Vercel、Anthropic、Windsurf（Mintlify）等采用。
- 可将 AI 获取文档时的 token 消耗降至十分之一。
2.3 AI 处理开发者问题的典型流程
开发者提问："如何用 CCC 在 CKB 上创建一个 UDT 转账？"
↓
[1] 分析意图：识别关键词 CCC / CKB / UDT / 转账
↓
[2] 搜索本地上下文：检查项目依赖与现有代码
↓
[3] 查询 MCP 服务器：Context7 获取 CCC 文档 / DeepWiki 获取仓库架构
↓
[4] 补充训练数据中的 CKB 知识
↓
[5] 信息仍不足 → 触发 Web 搜索
↓
[6] 综合上下文，生成代码答案
↓
[7] 验证与迭代：自动运行 / 检查错误 / 修复
关键痛点 ：如果在第 2–4 层都找不到足够准确的 CKB 信息，AI 极易产生“幻觉”——生成看似合理但实际错误的代码，这将严重损害开发者对工具的信任和开发效率。
3. Solana 与 Ethereum 的 AI First 实践与成效
Solana 和 Ethereum 是目前在 AI First 开发者体验方面投入最大、成效最显著的两条链。
3.1 Solana：AI First 的标杆
Solana 基金会已将 AI 辅助开发确立为一等战略 ，构建了业内最为完整的 AI 开发者工具链。
3.1.1 官方 Solana Developer MCP（mcp.solana.com）
Solana 基金会维护的官方 MCP 服务器，可直接集成到 Cursor、Windsurf、Claude Code 等 AI IDE 中：
- 实时文档检索 ：自动查询 Solana 和 Anchor Framework 最新文档。
- 账户查询 ：直接查询链上账户信息。
- 交易分析 ：解析交易详情。
- CPI 语句生成 ：自动生成跨程序调用代码。
- 部署方式 ：公共服务，地址为
mcp.solana.com/mcp，开发者仅需一行配置即可使用。
3.1.2 AI Coding Skills 生态
Solana 提出了 “Skills”模式 ——一套精心编写的指令集，旨在教会 AI 如何成为 Solana 专家开发者。这是极具创新性的做法：
| Skill 名称 | 维护方 | 覆盖领域 |
|---|---|---|
solana-dev-skill |
Solana Foundation | 端到端 Solana 开发：钱包连接、Anchor 程序、测试、安全 |
helius-phantom-skill |
Helius Labs | 前端 dApp 开发：React/RN + Phantom Connect SDK |
metaplex-skill |
Metaplex Foundation | NFT 开发：Core NFTs、Candy Machine、Umi/Kit SDK |
solana-anchor-claude-skill |
QuickNode Labs | Anchor 合约开发 + 测试（LiteSVM） |
solana-game-skill |
社区 | 游戏开发：C#、React Native、Unity SDK |
solana-skills-plugin |
社区 | 安全审计 + ZK Compression + 漏洞检测 |
pinocchio-skill |
SendAI | 高性能 Solana 程序（可减少 88-95% 计算单元） |
vulnhunter-skill |
SendAI | 安全漏洞检测与变体分析 |
Skills 的关键特点 ：
- 模型无关 ：兼容 OpenAI API、Claude API、Cursor Rules、ChatGPT 自定义指令。
- 可组合 ：Skills 可以叠加使用。
- 社区贡献机制 ：通过 TypeForm 提交新 Skill，形成开放生态。
- SKILL.md 标准 ：便携式技能文件，可被任何 Agent 框架加载。
3.1.3 Helius 生态工具链（基础设施商的典范）
Helius 作为 Solana 的基础设施商，构建了完整的 AI 开发者工具套件：
| 工具 | 功能 | 规模 |
|---|---|---|
| Helius MCP Server | 结构化 API 调用（getBalance、parseTransaction 等） | 60+ 工具 |
| Helius Skills | 专家指令集（Build / DFlow / Phantom / SVM） | 4 大领域 |
| Helius CLI | 命令行工具，支持 --json 输出 | 95+ 命令 |
| Claude Code Plugin | 一键安装，集成 MCP + Skills + 参考文件 | 全家桶 |
安装仅需一行命令：
claude mcp add helius npx helius-mcp@latest
3.1.4 awesome-solana-ai 策展仓库
Solana Foundation 维护的 awesome-solana-ai 仓库，系统性收录了：
- AI Coding Skills ：10+ 官方/社区 Skills（通用、DeFi、基础设施）。
- AI Agents ：12+ 链上 AI Agent 框架（Solana Agent Kit、Eliza、GOAT 等）。
- Developer Tools ：15+ 款 AI 增强开发工具（MCP 服务器、审计工具、IDE 等）。
- Learning Resources ：学习资源汇总。
3.1.5 官方 AI 开发指南
Solana 官方文档站（solana.com）设有专门 AI 开发入门指南，涵盖：
- 如何在 IDE 中配置 Solana MCP。
- 如何利用 AI 工具构建 Solana 应用。
- AI Agent 开发框架介绍。
- 最佳实践。
3.2 Ethereum：生态驱动的 AI 友好化
Ethereum 虽未像 Solana 那样由基金会统一推动 AI First 战略，但凭借庞大的生态和社区，其 AI 可消费性已相当成熟。
3.2.1 llms.txt 标准的先行者
Ethereum 核心库已全面采用 llms.txt 标准：
| 项目 | llms.txt | llms-full.txt |
|---|---|---|
| wagmi.sh |  /llms.txt |
/llms-full.txt |
| viem.sh | /llms.txt |
/llms-full.txt |
wagmi 在首页醒目位置展示了 AI 友好标识："Are you an LLM? View /llms.txt for optimized Markdown documentation, or /llms-full.txt for full documentation bundle "。
3.2.2 Context7 上的压倒性覆盖
以 viem（Ethereum TypeScript 接口库，在 CKB 生态中可与 CCC 类比）为例：
| 指标 | viem (Ethereum) | CCC (CKB) | 差距倍数 |
|---|---|---|---|
| Context7 代码片段数 | 3,090 - 5,827 | 141 | 22x - 41x |
| 基准分 | 90.35 | 85.1 | 1.06x |
| 来源信誉 | High | Medium | — |
| llms.txt 独立索引 | （单独条目） |
 |
— |
viem 在 Context7 上拥有多个索引条目（GitHub 仓库 + llms-full.txt + 文档站），总代码片段数超过 10,000 ，而 CCC 仅有 141 个。这意味着 AI 在生成 Ethereum 代码时拥有 70 倍以上 的参考素材。
3.2.3 专属 MCP 服务器
Ethereum 生态已有多个专属 MCP 服务器：
- ViemCP ：专为 viem & wagmi 构建的 MCP 服务器
- 内嵌代码模式（零延迟，离线可用）。
- 链上数据查询（余额、交易、合约状态）。
- wagmi React hooks 代码生成。
- 实时文档访问。
- OnChains Dev MCP ：聚焦 viem 与 wagmi 文档的轻量级 MCP。
- EVM MCP Tools ：通用 EVM 链交互工具。
- Remix IDE RemixAI ：Solidity 智能合约的内置 AI 助手与 Copilot。
3.2.4 丰富的 AI 配置模板
Ethereum 社区在 GitHub 上已有大量 Solidity/.cursorrules 模板流传，覆盖：
- Solidity + Hardhat 开发。
- Solidity + Foundry 开发。
- React + wagmi + viem 前端开发。
- OpenZeppelin 合约模式。
3.2.5 AI Agent 生态
Ethereum 在生态构建方面更进一步，其开发者门户（ethereum.org）已设有两个专门的策展页面：
- “Build onchain with agents” 专区，为 AI 代理堆栈提供结构化的以太坊知识。
- AI Agents 专题策展页面 ，系统性地介绍链上 AI Agent 生态。
同时，社区还维护着 ETH Skills，这是一个专门为 AI Agent 提供实时以太坊开发文档的知识库，内容涵盖 Gas 成本、Solidity 模式、Layer 2、DeFi 组合性、安全、测试与生产部署等关键领域。
3.3 其他链的 AI First 速览
除了 Solana 和 Ethereum 的深度布局，越来越多的公链已直接将“Ask AI”或类似的文档查询助手内建至开发者门户。纵观它们的实践，将文档对内对外全面“打开”，已成为一种无需言明的新标配 。以下列举了其中一些链的主要动作：
| 链 | 核心工具/功能 | 亮点 / 当前状态 |
|---|---|---|
| BNB Chain | MCP、Ask AI MCP （IDE 内文档查询） | 推出了以 MCP（模型上下文协议）为基础的专门服务。 |
| Polkadot | Docs MCP 、llms.txt 、SKILL.md、 Polkadot AI Chatbot | 一套AI resource，全面启用 MCP 集成，遵循新兴的 llms.txt 行业标准并提供分卷文档，并包含 Substrate MCP 及适用于智能合约开发的 Skill |
| Sui Network | MCP 、** Ask Sui AI** | |
| NEAR Protocol | llms.txt 、Docs MCP 、Agent Skills/Kit | 提供指向全文档的快链，专供 AI 编程助手使用，并为 Agent 开发提供了全栈组件（Near API JS、合约开发等技能） |
| Cosmos | Ask AI | 由mintlify提供的AI机器人 |
| Aptos | AskAptos（聊天机器人） 、Agent Skills 、llms.txt | 在官方文档站显著位置内嵌 GPT 聊天机器人，并配合 Azure OpenAI 服务为开发者提供引导；同时全面发布 llms.txt |
4. CKB 在 AI 平台上的现有覆盖评估
4.1 已有覆盖
-
deepwiki 平台
-
context7 平台
共同问题： 未及时同步代码到这两个平台，会导致 AI 拿到过时的信息。
4.2 实测结果
测试过程 ：分别在 bolt.new 和 replit.com 上使用相同的指令生成应用：
编写一个 CKB 转账的 dApp 应用。
二者的表现 ：
- bolt.new 一次性成功，交易可上链，并支持切换 testnet 与 mainnet，功能较完备
- Replit 未实现 testnet/mainnet 切换，首次发起交易时报
signer.client.addCellDepsOfKnownScripts is not a function错误，将错误信息反馈给它后，它重新阅读 CCC 信息并修改代码，交易发送成功。
Demo 链接（
仅用于演示，请勿用它进行主网资产的交易） ：
- bolt.new: https://ckb-transfer-dapp-de-cffo.bolt.host/
- replit: ckb-transfer-dapp–ckbfansdao.replit.app
共同短板：两个平台对 MAX（最大可用金额）和 MIN（最小转账金额）的计算均出错——这类边界场景在现有 AI 训练数据和文档示例中覆盖不足。
初步判断：AI 工具已经可以完成基础的 CKB 开发任务；但在涉及 CKB 特有概念（capacity 计算、cell 占用逻辑等）的高级场景下，AI 的知识明显不足，且难以自我纠正。
4.3 缺口分析
4.3.1 严重缺口（直接影响开发者体验）
- 无 llms.txt / llms-full.txt ：docs.nervos.org 未提供 llms.txt，AI 工具无法高效获取官方文档。
- 无项目规则文件模板 ：没有为 CKB 项目提供
.cursorrules/CLAUDE.md等模板，开发者的 AI 助手缺少 CKB 特定上下文。 - 无自定义 MCP 服务器 ：没有专门的 CKB MCP 服务器来提供 RPC 文档、Script 模板、错误码解释等结构化信息。
- Script 开发文档在 AI 平台上极度匮乏 ：
ckb-std仅 2 个代码片段，Rust/C Script 开发几乎无可供 AI 消费的结构化知识。 - 参考示例不足 ：不仅需要提供正常情况下的代码示例，边界场景、高级用法的示例代码会显得尤为重要。
4.3.2 中等缺口
- 缺少 AI 友好的错误信息映射 ：CKB 的错误码与常见错误尚无结构化的解释文档可供 AI 检索。
- 缺少端到端教程的 AI 友好版本 ：现有教程以 HTML 页面为主，而非 Markdown 或结构化格式。
- 多语言 SDK 覆盖不均 ：Java SDK、Go SDK 等在 AI 平台上的覆盖较弱。
4.3.3 轻度缺口
- 社群问答未结构化 ：Discord/Telegram 中的高价值问答未被收集与结构化。
- 缺少 CKB 特定的 AI 提示词工程指南 ：开发者不清楚如何更好地向 AI 描述 CKB 相关需求。
4.4 对比总结：CKB vs Solana vs Ethereum
| AI First 维度 | Solana | Ethereum | CKB |
|---|---|---|---|
| 官方 MCP 服务器 | mcp.solana.com（基金会维护） |
多个社区 MCP（ViemCP 等） |
无 |
| llms.txt | 文档站未确认 |
wagmi/viem 全面支持 |
无 |
| AI Coding Skills | 10+ 官方/社区 Skills |
多个 Skills，分门别类：ethskills.com 、github.com/austintgriffith/ethskills |
无 |
| AI 配置文件模板 | 官方提供系统提示词示例 |
社区分享 .cursorrules |
无 |
| Context7 代码片段 | 丰富（多个 SDK） | 极丰富（viem 5800+） | 较少（CCC 141） |
| AI 开发者指南 | 官方文档站专页 |
开发者页面设有 “Build onchain with agents” 专区：ethereum.org/developers/ |
无 |
| AI Agent 生态 | Solana Agent Kit，12+ Agent |
专题页面策展：ethereum.org/ai-agents/ |
无 |
| awesome-*-ai 策展 | awesome-solana-ai |
首页专区策展：ethereum.org/ai-agents/ |
无 |
| 基础设施商 AI 工具 | Helius 全家桶 |
QuickNode MCP 等 |
无 |
| Claude Code Plugin | Helius 官方插件 |
社区提供多个，例如 github.com/0xGval/evm-mcp-tools |
无 |
4.5 从 Solana/Ethereum 等链的经验中 CKB 可借鉴的关键启示
- 官方 MCP 服务器是基础中的基础 ：Solana 基金会亲自维护 mcp.solana.com，这是 AI First 战略的核心锚点。CKB 应将类似官方 MCP 服务器作为优先构建项。
- Skills/配置文件模板是成本效益比最高的投入 ：Solana 的 Skills 生态证明，精心编写的指令集能显著提升 AI 生成代码的准确性。CKB 应当立即着手创建等效的
.cursorrules/CLAUDE.md/SKILL.md。 - 通用标准达成共识，文档生产力彻底解放 ：越来越多的链开始兼容 MCP 协议，并发布自己的
llms.txt。wagmi 在首页提示 “Are you an LLM?” 的做法值得借鉴，这让所有 AI 工具都能自动发现和消费文档。CKB 必须加速追赶这种基建潮流，否则我们精心撰写的文档在这些链面前就如同未被索引的孤岛，完全无法进入 AI 的“检索视野”。 - 策展仓库建立生态认知 ：awesome-solana-ai 不仅是资源列表，更向开发者传递了“Solana 认真对待 AI 开发”的信号。CKB 可考虑在补齐相关AI toolkits 后建立类似的 awesome-ckb-ai 仓库。
- 基础设施商协同是力量放大器 ：Helius 为 Solana 构建的 AI 工具链展示了基础设施商如何参与 AI First 生态。CKB 可鼓励生态伙伴构建类似工具。
- 代码片段数量决定 AI 代码质量 ：viem 的 5800+ 代码片段 vs CCC 的 141 个，直接决定了 AI 生成代码的准确性与多样性。CKB 需要大幅增加文档中可运行的代码示例。
- “Ask AI”成为顶级生态的通用语言 ：BNB Chain、Polkadot、Aptos 和 Near 都在官网或 IDE 中内建了“Ask AI”或“Docs”助手。这意味着开发者遇到问题时，无需在不同的 Google 标签页间大海捞针，直接在开发者体验闭环内就能找到答案。对 CKB 而言，这极大地降低了新开发者的入门门槛。
这些发现进一步印证：CKB 必须快速补齐我们在文档 AI 友好度和“开发者即时问答”等体验上的短板。接下来将在下一章节列出详细的行动建议。
5. 改进建议与行动计划
5.1 【P0】确保所有关键仓库已提交至 DeepWiki 与 Context7
目标 ：让所有 AI 工具能高效、准确地获取到CKB相关的知识。
具体行动 ：
- 提交：比对目前DeepWiki、Context7上已有的CKB仓库，查缺补漏
- 更新：有的仓库虽然已上传到这两个平台，但信息已过时，需做更新处理。
- DeepWiki目前不支持github action的方式更新，智能人工手动处理；
- Context7上的仓库可以添加github action来实时更新
预期效果 ：开发者在 AI 编程工具里配置上 DeepWiki 与 Context7 两个 MCP 之后，在开发过程中询问到 AI 关于 CKB 的问题，AI 可以通过查询 MCP 服务器拿到更准确的答案。
5.2 【P0】为 docs.nervos.org 添加 llms.txt
目标 ：让所有 AI 工具能高效、准确地获取 CKB 官方文档。
具体行动 ：
- 在
docs.nervos.org根目录添加llms.txt（结构化目录 + 关键链接）。 - 添加
llms-full.txt（完整文档的 Markdown 版本）。 - 内容应覆盖：
- CKB 核心概念（Cell 模型、Script、Transaction）。
- 开发入门指南。
- SDK 使用指南（CCC / Rust SDK / Go SDK / Java SDK…）。
- RPC 参考。
- 常见错误与解决方案。
- 部署指南。
参考实现 ：
- Vercel docs: https://vercel.com/docs/llms-full.txt
- Anthropic docs 使用 Mintlify 生成 llms.txt
- github 仓库提交到context7 之后，Context7 会自动生成llms.txt文档，可将其复制放入docs.nervos.org站点中。
预期效果 ：所有 AI 编程工具在搜索 CKB 相关信息时，均可通过 llms.txt 快速获取最新、准确的官方文档，大幅减少幻觉。
5.3 【P0】创建 AI 配置文件模板（.cursorrules / CLAUDE.md / SKILL.md）
目标 ： 让使用任何 AI 工具的开发者在创建 CKB 项目时即获得 CKB 特定上下文
具体行动 ：创建一套标准的 AI 配置文件模板，覆盖所有主流工具：：
ckb-project-template/
├── .cursorrules # Cursor
├── .windsurfrules # Windsurf
├── .github/
│ └── copilot-instructions.md # GitHub Copilot
├── CLAUDE.md # Claude Code
├── AGENTS.md # OpenAI Codex
└── .cursor/
└── rules/ # Cursor Rules (新版)
配置文件核心内容应包括：CKB Cell 模型说明（强调与 EVM 的区别）、CCC SDK 推荐用法、Transaction 构建模式、常见错误及解决方案、重要参考链接等。
分发渠道：内置到 create-ccc-app 模板和 offckb create 命令，在官方文档站提供下载，在 GitHub 仓库 README 中醒目引导。
5.4 【P0】构建 CKB 专属 MCP 服务器
目标 ：提供 CKB 生态的结构化、实时、可查询的文档服务，并使 AI Agent 能够查询 CKB 链上数据。
现状 ：
- 目前由 @jm9k 牵头实施的项目：github.com/sonami-tech/ckb-mcp。
- 使用 Rust 编写，master 分支（主分支）最近一次更新在 8 个月前，develop 分支最近一次更新在两个月前。
- README 推荐搭配 Claude 使用，但使用 Windsurf 实测时发现兼容性不佳，会报授权错误：
具体行动 ：
- 大而全路线 ：基于
@modelcontextprotocol/sdk（TypeScript）构建 CKB MCP 服务器，内容方面参考 Jordan 的 ckb-mcp 项目实现，使用 TypeScript 语言可以降低贡献者的门槛。优点：开发者仅需安装一个 MCP；难点：MCP 开发人员需具备多面手能力，或需多团队协同。 - 小而专路线 ：针对特定领域创建专门的 MCP，如 docs、rpc、ccc、script 等。优点：MCP server 职责明确，可由特定团队/人员负责编写与维护；缺点：对开发者不够友好，需安装多个 MCP 服务。
技术实现参考 ：
- 基于
@modelcontextprotocol/sdk构建 TypeScript MCP 服务器。 - 后端使用 RAG 管道，向量化所有 CKB 文档。
- 部署为公共服务，开发者只需在 IDE 配置中添加 MCP 服务器地址即可。
参考案例 ：
5.5 【P1】增强 Script 开发在 AI 平台上的覆盖
目标 ：让 AI 能准确指导 CKB Script（智能合约）开发。
具体行动 ：
- 充实 ckb-std 文档 ：当前在 Context7 上仅有 2 个代码片段，需大幅扩充：
- 常用 syscall 使用示例（load_cell_data、load_script 等）。
- 完整的 Script 开发从零到部署教程。
- 常见 Script 模式（lock script / type script / 多签等）。
- 创建 Script 示例仓库 ：专门存放各类 Script 示例，提交至 DeepWiki 与 Context7。
- 提升 ckb-std 的 README 与文档质量 ：AI 平台会从 GitHub 仓库的 README、docs 目录、代码注释中提取信息，需确保这些内容丰富且结构化。
5.6 【P1】优化现有仓库的 AI 可消费性
目标 ：让 DeepWiki 和 Context7 能提取更多、更高质量的信息。
具体行动 ：
- 增强 README 文档 ：
- 每个仓库的 README 应包含“Quick Start”章节，提供可复制粘贴的代码示例。
- 添加常见用例的代码片段。
- 确保所有公共 API 均配有文档注释。
- 增加代码示例文件 ：
- 在仓库中创建
/examples或/docs/examples目录。 - 每个示例都应独立可运行。
- 覆盖最常见的开发场景。
- 规范化代码注释 ：
- 使用 JSDoc/TSDoc（TypeScript）或 rustdoc（Rust）格式。
- 确保所有公共方法均包含参数说明与返回值说明。
- AI 平台会从代码注释中提取 API 用法信息。
- 确保重要仓库均已提交 DeepWiki 和 Context7
- 提升 Context7 上的每个Library的benchmark分数
- benchmark 分数越高，AI获取到的内容越准确
5.7 【P1】创建 awesome-ckb-ai 策展仓库（参考 awesome-solana-ai）
目标 ：建立 CKB AI 开发者生态的统一入口，向开发者传达 CKB 认真对待 AI First 战略的信号。
具体行动 ：
- 在 GitHub 上创建
ckb-devrel/awesome-ckb-ai仓库。 - 分类收录：
- 设立社区贡献机制，鼓励生态开发者提交 PR。
注 ：此项虽重要，但考虑到目前 CKB 上 AI 相关资源尚少，建议待资源丰富一些后再行实施。
5.8 【P2】建立 AI 友好的错误信息知识库
目标 ：当开发者遇到 CKB 错误并向 AI 求助时，AI 能给出准确的诊断与解决方案。
具体行动 ：
- 收集 CKB 开发中最常见的 50+ 条错误信息。
- 为每条错误创建结构化文档（错误码 → 原因 → 解决方案 → 代码示例）。
- 格式化为 Markdown，便于 AI 消费。
- 集成至 MCP 服务器的
explain-error-code工具中。 - 同步至 docs.nervos.org 的 llms.txt 中。
示例格式 ：
## Error: TransactionFailedToVerify - ValidationFailure(-31)
**含义**: Script 验证失败，group index 指向的 Script 执行返回非零退出码。
**常见原因**:
1. Lock Script 签名验证失败 — 使用了错误的私钥或地址。
2. Type Script 逻辑错误 — 自定义 type script 的业务逻辑未满足。
3. 容量不足 — 输出 Cell 的 capacity 不足以覆盖其占用空间。
**调试步骤**:
1. 使用 `ckb-debugger` 本地运行 Script 进行调试。
2. 检查 `tx.witnesses` 是否已正确设置。
3. 确认所有输入 Cell 的 lock script 对应的签名均已提供。
**代码修复示例**:
...
5.9 【P2】创建 AI 友好的端到端教程
目标 ：提供完整的、AI 可消费的教程内容。
具体行动 ：
- 将现有教程转换为 Markdown 格式，存放于专门的 GitHub 仓库中。
- 教程应覆盖：
- CKB 基础：创建钱包、CKB 转账。
- 进阶：部署 Script、创建 UDT、使用 Spore Protocol。
- 集成：连接各类钱包（MetaMask/JoyID/UniSat 等）。
- 高级：DAO 操作、跨链桥接。
- 每个教程均应提供可直接运行的完整代码。
- 提交至 DeepWiki 与 Context7。
参考示例：dob-cookbook
5.10 【P2】结构化社群 FAQ
目标 ：将 Discord/Telegram 中反复出现的问题转化为 AI 可检索的知识。
具体行动 ：
- 定期从社区中收集高频问题。
- 创建结构化 FAQ 文档（GitHub 仓库）。
- 格式化为 Q&A 对，便于 AI RAG 检索。
- 可考虑借助 AI 自动从社群消息中提取与归类问题。
5.11 【P2】创建 CKB AI 开发者指南（参考 Solana 官方 AI 指南）
目标 ：教会开发者如何更好地利用 AI 进行 CKB 开发。
具体行动 ：
- 撰写“如何用 AI 高效开发 CKB 应用”指南。
- 内容包括：
- 推荐的 AI 工具配置（如何配置 Context7 MCP、DeepWiki MCP）。
- 如何写好 CKB 相关的 AI 提示词。
- CKB 项目的 AI 配置文件模板使用指南。
- 常见 AI 幻觉陷阱及如何避免。
6. 实施路线图
6.1 Phase 1 — 低成本高收益（追平基线）
| # | 行动项 | 参考对标 | 预期影响 |
|---|---|---|---|
| 1 | 确保所有关键仓库已提交至 DeepWiki 与 Context7 | — |  |
| 2 | 为 docs.nervos.org 添加 llms.txt / llms-full.txt | wagmi.sh / viem.sh | |
| 3 | 创建 AI 配置文件模板（.cursorrules / CLAUDE.md / SKILL.md） | Solana Skills 生态 | |
| 4 | 创建 awesome-ckb-ai 策展仓库 | awesome-solana-ai | 目前 AI 相关资源有限（可先收集素材后期进行） |
6.2 Phase 2 — 内容增强（缩小差距）
| # | 行动项 | 参考对标 | 预期影响 |
|---|---|---|---|
| 5 | 充实重要仓库文档与示例 | viem 5800+ 片段 | |
| 6 | 优化各仓库 README 与代码注释 | viem/wagmi 文档质量 | |
| 7 | 创建错误信息知识库 | |
Phase 3（1–2 月）— 基础设施建设（建立竞争力）
| # | 行动项 | 参考对标 | 预期影响 |
|---|---|---|---|
| 8 | 构建 CKB 官方 MCP 服务器（mcp.ckb.dev） | mcp.solana.com | |
| 9 | 创建 AI 友好的端到端教程 | Solana AI 开发指南 | |
| 10 | 编写 CKB AI 开发者指南 | solana.com/developers/guides/getstarted/intro-to-ai | |
| 11 | 结构化开发者社区 FAQ | |
Phase 4（持续）— 生态维护与扩展
| # | 行动项 | 参考对标 | 预期影响 |
|---|---|---|---|
| 12 | 定期更新所有 AI 平台上的内容 | — | |
| 13 | 监控 AI 工具对 CKB 信息的回答质量 | — | |
| 14 | 鼓励生态伙伴构建 AI 工具（类似 Helius 之于 Solana） | Helius AI 全家桶 | |
| 15 | 探索 CKB Agent Kit（连接 AI Agent 到 CKB 协议） | Solana Agent Kit | |
写在最后
这份报告的逻辑起点其实很朴素： AI 已悄然成为开发者与陌生技术之间最重要的那层中介。如果 AI 不理解 CKB，开发者也就很难顺畅地上手 CKB。
好在，这是一个可以被系统性解决的问题。Solana 在一年多前面临着几乎一样的处境，他们通过官方 MCP、Skills 生态和 llms.txt 等一系列投入，明显改善了 AI 对 Solana 的理解质量。CKB 完全可以走同样的路径，而且起点并不低——DeepWiki 和 Context7 的基础覆盖已经到位，bolt.new 上的实测也验证了基础场景已能跑通。
Phase 1 的三件事（补全仓库索引、AI 配置文件模板、llms.txt）的工作量预计不到两周，但能让每一个用 Cursor 或 Claude Code 开发 CKB 的人立即受益。这里是一个很不错的开始。
值得一提的是，这份调研报告本身就是与 AI 协同完成的：我们让 Gemini Pro 和 Claude Sonnet 两个模型交叉验证了 CKB 在 AI 编程方面的缺口与行动计划，因为 AI 天然更清楚自己还“缺什么”。在整个过程中，@Hanssen 和 @RetricSu 以及几位来自 DevRel 团队的小伙伴为报告提供了不可或缺的校准与反馈，在此深表感谢。
最后，想邀请你一起参与两件事：
- 如果你正在用 AI 开发 CKB 应用 ，欢迎在评论区分享你遇到的 AI 幻觉案例——那些 AI 一本正经地胡说八道的真实瞬间。每一个例子都会直接帮助我们把 CKB 的 AI 开发体验打磨得更准确。
- 如果你发现报告中还有遗漏的 AI 相关实践或方向 ，也欢迎在评论区留言斧正，我们会持续跟踪迭代。
感谢每一位读到这里的你。
附录
A. Solana AI First 生态关键链接
| 资源 | 链接 |
|---|---|
| Solana Developer MCP（官方） | https://mcp.solana.com/ |
| solana-mcp-official (GitHub) | GitHub - solana-foundation/solana-mcp-official · GitHub |
| awesome-solana-ai | GitHub - solana-foundation/awesome-solana-ai: Public repo of AI tooling to help build on Solana · GitHub |
| solana-dev-skill | GitHub - solana-foundation/solana-dev-skill: Skills for agentic development on Solana (March 2026 best practices) · GitHub |
| Solana AI 开发入门指南 | https://solana.com/developers/guides/getstarted/intro-to-ai |
| Helius AI 工具 | How to Use AI to Build Solana Apps (2026) |
| Helius MCP Server | Helius MCP Server - Helius Docs |
| Solana Agent Kit (SendAI) | GitHub - sendaifun/solana-agent-kit: connect any ai agents to solana protocols · GitHub |
B. Ethereum AI First 生态部分链接
| 资源 | 链接 |
|---|---|
| wagmi llms.txt | https://wagmi.sh/llms.txt |
| wagmi llms-full.txt | https://wagmi.sh/llms-full.txt |
| viem 文档 | https://viem.sh/ |
| evm-mcp-server | GitHub - mcpdotdirect/evm-mcp-server: MCP server that provides LLMs with tools for interacting with EVM networks · GitHub |
| Remix IDE AI Tools | AI Tools — Remix - Ethereum IDE 1 documentation |
| ETH Skills | https://ethskills.com/ |
| Ethereum “Build onchain with agents” | Ethereum Developer Resources |
| Ethereum AI Agents 策展 | AI agents | AI agents on Ethereum | ethereum.org |
C. 参考资料
- 2025 Stack Overflow Developer Survey
- Best AI Coding Agents: 9 Tools Compared
- Cursor vs GitHub Copilot Deep Comparison
- AI Coding Config Files Compared
- Why MCP Servers Are Essential for Documentation Sites
- What is llms.txt? Breaking Down the Skepticism
- Context7 MCP Server Guide
- How to Use AI to Build Solana Apps (Helius)
- awesome-solana-ai (Solana Foundation)
- Solana Developer MCP