Context7 je nástroj od Upstash, který dodává aktuální dokumentaci a kódové příklady přímo do promptů pro LLM a AI editory kódu.

Kdo za projektem stojí

Context7 vyvinul tým společnosti Upstash, která se specializuje na serverless infrastrukturu jako Upstash Redis a Vector. Projekt je open-source s repozitářem na GitHubu (upstash/context7), kde má přes 46 000 hvězdiček.

K čemu slouží

Context7 poskytuje LLM a AI nástrojům jako Cursor, Claude nebo VS Code Copilot vždy aktuální, verzi-specifickou dokumentaci z oficiálních zdrojů. Umožňuje vyhledávat knihovny (např. Next.js, React, Upstash Redis) a vkládat relevantní kódy do promptu frází jako "use context7". Zabraňuje halucinacím v odpovědích AI tím, že nahrazuje zastaralé znalosti z tréninku živou dokumentací.

Čísla a benchmarky

Defaultní limit tokenů vzrostl z 5 000 na 10 000, což umožňuje delší kontexty. Používá Upstash Redis pro caching a rychlou doručování, s proprietárním algoritmem c7score pro reranking relevance. Repozitář má 46 978 hvězdiček na GitHubu a podporuje stovky knihoven.

Zdroje:

• https://github.com/upstash/context7
• https://upstash.com/blog/context7-llmtxt-cursor
• https://context7.com
• https://upstash.com/blog/context7-mcp
• https://upstash.com/blog/context7-skill-wizard
• https://github.com/upstash/context7-legacy
• https://github.com/upstash/context7/releases

The post AI Bits – Context7 first appeared on Hard Wired.

Za projektem stojí Fatih Kadir Akın (GitHub: @f), turecký vývojář, který repozitář spustil 5. prosince 2022 — dva týdny po prvním veřejném spuštění ChatGPT. Původně šlo o jednoduchý GitHub repozitář s názvem Awesome ChatGPT Prompts, kde si chtěl udržet vlastní kolekci promptů. Postupem času se z toho stala komunita s tisícovkami přispěvatelů. Na vývoji aktuální verze se podílí Claude Opus 4.5, Devin AI a GitHub Copilot.

Prompts.chat je volně dostupná, open source knihovna AI promptů. Umožňuje prompty sdílet, objevovat a kolekcionovat, a to napříč všemi hlavními modely — ChatGPT, Claude, Gemini, Llama, Mistral. Obsahuje sekce Prompts, Skills, Workflows a Taste. Komunita může přispívat přímo přes web. Pro firmy je k dispozici self-hosted varianta s vlastním brandingem, autentizací (GitHub, Google, Azure AD) a plnou kontrolou dat — nasazení přes Docker nebo npx prompts.chat new my-prompt-library. Součástí ekosystému je také MCP server (https://prompts.chat/api/mcp), plugin pro Claude Code a nativní iOS aplikace. Veškerý obsah promptů je licencován pod CC0 — žádná omezení, žádná nutnost attribution.

Repozitář má přes 159 000 GitHub stars a je na 33. místě nejsledovanějších repozitářů na světě. Na Hugging Face je to nejoblíbenější dataset. Projekt cituje přes 40 akademických prací, zmiňují ho Harvard a Columbia University a byl oceněn jako GitHub Staff Pick. Benchmarky na výkonnost modelu projekt nepublikuje — nejde o AI nástroj, ale o platformu pro správu a sdílení kontextu pro práci s AI.

Zdroje:

• https://github.com/f/prompts.chat
• https://prompts.chat
• https://prompts.chat/about

The post AI Bits – prompts.chat first appeared on Hard Wired.

Za projektem stojí Garry Tan, president Y Combinator — akcelerátoru, který stál u zrodu Coinbase, Instacart nebo Rippling. Tan aktuálně provozuje YC na plný úvazek a zároveň aktivně vyvíjí vlastní nástroje. GBrain je jeho open source odpověď na problém, který zná každý, kdo pracuje s větším množstvím poznámek: markdown soubory jsou roztroušené po repozitářích, Obsidian vaultech a Notion databázích a nedají se rozumně prohledávat.

GBrain řeší prohledávání pomocí hybridního přístupu, který kombinuje vektorové vyhledávání a keyword search. Samotné keyword search nestačí — sémantické shody se ztrácí. Samotné vektorové vyhledávání zase mine přesné výrazy a jména. GBrain fusuje oba přístupy přes RRF (Reciprocal Rank Fusion) a navíc rozšiřuje dotaz přes Claude Haiku na více variant, aby zachytil i formulace, na které uživatel sám nepřišel. AI agenti udržují znalostní bázi aktuální: po importu dokumentu agent aktualizuje všechny zmíněné entity, vytvoří cross-reference linky a doplní timeline záznamy. Výsledek je přístupný přes MCP server s 21 nástroji — kompatibilní s Claude Code, Cursor i dalšími klienty.

Import 7 000 souborů trvá přibližně 30 sekund, embedding přibližně 10–15 minut. Pro brain o velikosti 7 500 stránek vychází celková velikost databáze přibližně na 750 MB — z toho embeddings tvoří ~134 MB a HNSW index ~270 MB. Počáteční náklady na embedding přes OpenAI text-embedding-3-large vychází na přibližně 4–5 USD. Jako databázový backend slouží Supabase Pro za 25 USD měsíčně (8 GB úložiště). GBrain je open source pod MIT licencí, dostupný jako CLI, knihovna i MCP server.

Zdroje:

• https://github.com/garrytan/gbrain
• https://tech.yahoo.com/ai/claude/articles/power-tool-knowledge-workers-may-211557287.html
• https://github.com/garrytan/gstack/blob/main/README.md

The post AI Bits – GBrain first appeared on Hard Wired.