Context Hub против ClawHub: уровень документации Andrew Ng встречается с уровнем исполнения OpenClaw

Когда Andrew Ng предложил идею «Stack Overflow для AI coding agents», он не просто озвучил концепцию. Он её выпустил. Context Hub был запущен как open-source CLI-инструмент, который даёт coding agents курируемую, версионированную API-документацию — вместо того чтобы позволять им галлюцинировать, пробираясь через вашу кодовую базу.

Тем временем в экосистеме OpenClaw уже был ClawHub — каталог skills, где агенты не просто читают об API. Они выполняют задачи. Два open-source проекта, две разные ставки на то, что на самом деле нужно агентам.

Это не статья в духе «что лучше». Это статья о том, «почему вам, скорее всего, нужно и то, и другое».

Что на самом деле делает Context Hub

Context Hub (chub) — это CLI-инструмент и MCP-сервер, который решает одну конкретную проблему: coding agents угадывают сигнатуры API по данным обучения — и угадывают неправильно.

Решение простое. Вместо того чтобы искать в интернете или полагаться на устаревшие знания из обучения, агент запускает:

chub get openai/chat --lang py

В ответ он получает курируемый, версионированный markdown-документ с корректными сигнатурами API, типичными подводными камнями и рабочими примерами. Документ написал человек-мейнтейнер, который действительно использует этот API. Не скрейпинг. Не генерация. Курация.

Цифры говорят сами за себя:

• 605 библиотек охвачено — от OpenAI и Anthropic до Stripe, Django и PyTorch
• 1 666 файлов документации — варианты для конкретных языков (Python, JavaScript, TypeScript)
• ~10 000 звёзд на GitHub менее чем за пять месяцев
• Встроенный MCP-сервер — агенты могут вызывать chub как инструмент, а не только как CLI

Главная функция — это петля обратной связи. После использования документа агенты могут аннотировать его локально:

chub annotate stripe/api "Webhook verification requires raw body — do not parse before verifying"

Эти аннотации сохраняются между сессиями. В следующий раз, когда агент загрузит этот документ, аннотация появится автоматически. Агент буквально становится умнее с каждой задачей.

Что на самом деле делает ClawHub

ClawHub использует принципиально другой подход. Там, где Context Hub говорит: «вот как вызвать Stripe API», ClawHub говорит: «вот как развернуть pipeline для рассылки».

Skill в ClawHub — это не документация. Это playbook для выполнения — структурированный набор инструкций, скриптов и справочных файлов, которые объясняют агенту OpenClaw, как выполнить законченную задачу. Установить такой skill можно одной командой:

npx clawhub install ghost-posts-bal

Агент получает SKILL.md с пошаговыми инструкциями, вспомогательными скриптами, которые он может вызывать, справочными файлами для edge cases и шаблонами конфигурации. Он не читает о Ghost API. Он создаёт черновик рассылки, обрабатывает изображения, загружает их в CDN и создаёт отформатированный пост — всё из одного skill.

Ключевые отличия от Context Hub:

• Skills — это задачи, а не справочники — «создать черновик в Ghost» вместо «вот Ghost API»
• Skills включают исполняемый код — Python-скрипты, shell-команды, шаблоны
• Skills нативны для агентов — спроектированы для системы discovery skills в OpenClaw
• 341 000+ еженедельных загрузок npm — широкое распространение в экосистеме OpenClaw

Настоящее различие: знать vs делать

Вот самый понятный способ это представить.

Context Hub — это библиотека. ClawHub — это мастерская.

Библиотека даёт вам правильную книгу, чтобы не приходилось гадать. Мастерская даёт вам инструменты, оснастку и последовательность действий, чтобы собрать вещь.

Важно и то, и другое. Одно не заменяет другое.

Рассмотрим конкретный пример: вы хотите, чтобы ваш агент OpenClaw мониторил ваш аккаунт Stripe и каждое утро отправлял вам сводку в Slack — новые платежи, неуспешные оплаты, запросы на возврат.

Только с Context Hub агент бы:

1. Загрузил документацию Stripe API (chub get stripe/api --lang py)
2. Прочитал о webhook signatures, endpoint charges и пагинации
3. Загрузил документацию Slack SDK (chub get slack/sdk --lang py)
4. Написал интеграцию с нуля, вероятно дважды ошибившись с проверкой webhook signature в Stripe, прежде чем сделать правильно
5. Добавил аннотацию в документацию: "Needs raw body for webhook verification — do not parse before verifying"

Только с ClawHub агент бы:

1. Установил skill для мониторинга Stripe (npx clawhub install stripe-monitor)
2. Последовал playbook из SKILL.md — настроил API-ключи, расписание, правила уведомлений
3. Запустил включённые скрипты, которые обрабатывают webhook parsing, фильтрацию и форматирование для Slack
4. Получил рабочую ежедневную сводку при первом запуске

С обоими инструментами агент бы:

1. Использовал ClawHub skill для готового workflow мониторинга
2. Подтянул документацию из Context Hub, когда нужно расширить skill — например, добавить обработку refund disputes, которую skill пока не покрывает

Вот где настоящий прорыв. Context Hub снижает галлюцинации на уровне API. ClawHub избавляет от необходимости писать boilerplate на уровне задач. Вместе агенты пишут меньше неправильного кода и делают меньше лишней работы.

Когда что использовать

Используйте Context Hub, когда:

• Вашему агенту нужно писать код для стороннего API, с которым он раньше не работал
• Вы хотите снизить API-галлюцинации в задачах программирования
• Вы строите новую интеграцию и вам нужны точные, актуальные справочные документы
• Ваш агент снова и снова ошибается в одном и том же API-вызове между сессиями (аннотации это исправляют)

Используйте ClawHub, когда:

• Вам нужно, чтобы агент выполнял законченную, повторяемую задачу
• Задача включает несколько инструментов, API и точек принятия решений
• Кто-то уже решил этот workflow и упаковал его как skill
• Вы хотите, чтобы агент стал продуктивным за минуты, а не после часов проб и ошибок

Используйте оба, когда:

• Вы создаёте новый ClawHub skill и вам нужна точная API-документация для сервисов, которые он вызывает
• Ваш агент сталкивается с edge case, который skill не покрывает, и должен его расширить
• Вы хотите самый быстрый путь от «мне нужно, чтобы это было сделано» до «это сделано правильно»

Что это значит для пользователей OpenClaw

Если вы запускаете OpenClaw на MyClaw.ai — лучшем способе запускать OpenClaw — у вас уже есть skills из ClawHub из коробки. Добавить Context Hub можно одной командой:

npm install -g @aisuite/chub

Затем дайте агенту prompt: «Используй CLI-команду chub, чтобы получать API-документацию перед написанием кода для внешних сервисов.»

А ещё лучше — создайте skill для OpenClaw, который оборачивает chub, чтобы агент использовал его автоматически. В репозитории Context Hub даже есть шаблон SKILL.md, созданный именно для этого. На MyClaw ваш инстанс всегда работает, и ваш агент может подтягивать свежую документацию, когда она ему нужна — без головной боли с локальной настройкой.

Экосистема агентов разделяется на слои. Andrew Ng строит справочный слой. OpenClaw строит слой выполнения. Умные пользователи будут объединять оба.

Более широкая картина

Andrew Ng уже много лет говорит, что барьер для внедрения AI — не возможности моделей, а инструменты вокруг моделей. Context Hub — его ставка на то, что первое узкое место для coding agents — это точная информация.

OpenClaw и ClawHub представляют параллельную ставку: узкое место для autonomous agents — это структурированные планы выполнения.

Обе ставки верны. Агент, который знает правильную сигнатуру API, но не имеет playbook, будет писать правильный код медленно. Агент, у которого есть отличный playbook, но который галлюцинирует API-вызовы, провалится на краях.

Будущее агентной инфраструктуры — это не документация или skills. Это документация и skills, собранные во время выполнения и улучшающиеся с каждой задачей.

Мы наблюдаем, как это будущее собирает себя в open source — по одному chub get и одному clawhub install за раз.

Как начать сегодня

Самый быстрый способ запустить OpenClaw с обоими инструментами — на MyClaw.ai, платформе #1 для managed OpenClaw. MyClaw берёт инфраструктуру на себя, чтобы вы могли сосредоточиться на создании workflows, а не на отладке серверных конфигов.

Когда ваш OpenClaw запущен на MyClaw, Context Hub добавляется одной командой:

Шаг 1: Установите Context Hub

npm install -g @aisuite/chub

Шаг 2: Проверьте его поиском

chub search "openai"
chub get openai/chat --lang py

Шаг 3: Добавьте его в workflow вашего агента

Создайте файл skill по адресу ~/.openclaw/skills/get-api-docs/SKILL.md, используя шаблон из репозитория Context Hub. Ваш агент OpenClaw будет автоматически использовать chub перед написанием кода для незнакомых API.

Шаг 4: Просмотрите ClawHub на предмет task skills

npx clawhub search

Установите любой skill, который соответствует нужному вам workflow. SKILL.md этого skill точно объяснит вашему агенту, как его использовать — ручная настройка не требуется.

Context Hub находится ниже, предоставляя точные знания об API. ClawHub находится выше, организуя эти знания в полноценные workflows. Объедините их на MyClaw.ai, и ваш агент будет готов строить.