Context Mode：让 AI 编程工具"记住更多"的秘密武器

**想象这样一个场景：**你让 Claude Code 去分析一个 500 行的 React 项目，它调用了 20 次工具，每次工具返回几万字的输出——等它处理完，你发现上下文窗口已经爆了，之前的对话内容全被挤出去了。这不是 Claude 不够聪明，而是工具输出太"话痨"——一条 git log 可能吐出 5 万字，但真正有用的可能只有 100 字。

这就是 Context Mode 要解决的问题。

背景：AI 编程工具的"记忆焦虑"

以 Claude Code、OpenCode、Codex CLI 为代表的 AI 编程工具，本质上是一个"有超强推理能力、但记忆力极差"的工作伙伴。当你在一个大型项目中工作几小时后，对话上下文被各种工具调用填满，模型能用来"思考"的有效 token 越来越少，最终不得不"遗忘"早期的重要上下文——这叫上下文压缩（Context Compaction）。

2024 年底，Mert Koseoğlu 在大量使用 Claude Code 的过程中发现了这个痛点：一次标准开发会话中，仅工具输出就可能消耗 80-90% 的上下文窗口，留给实际推理的空间所剩无几。他决定开发一个 MCP（Model Context Protocol）插件，在工具输出进入上下文之前，先经过一道"智能压缩"工序。

核心原理：沙箱 + FTS5 知识库

Context Mode 的工作方式可以用一个比喻来理解：

它不是让 AI 少看信息，而是把所有信息先"存入图书馆"，等需要时再"精准调阅"。

具体来说，每次工具调用完成后（比如执行了 git log、npm test、或 Playwright 快照），Context Mode 会：

1. 拦截原始输出（可能高达几百 KB）
2. 在沙箱子进程中运行压缩代码（Node.js/Python/Bash 等 12 种语言），提取关键统计信息和摘要
3. 将压缩结果和原始内容存入 FTS5/BM25 全文搜索引擎（SQLite 内置的全文索引）
4. 只将压缩摘要（通常几百字节）送入上下文窗口
5. 当 AI 需要某条具体信息时，通过 ctx_search 精准检索，而非重新读取全部内容

98% 上下文节省是如何做到的

项目附带了一份详尽的 Benchmark 数据，基于 21 个真实场景、376 KB 原始数据：

整体节省率稳定在 96% 左右，最关键的是：所有代码示例被完整保留，没有因为压缩而丢失任何有效信息。

跨平台生态：从 Claude Code 到 15 个平台

Context Mode 不仅仅是一个 Claude Code 插件——它实际上是一套多平台 MCP 适配层，目前已支持：

• Claude Code（.claude/ 插件）
• OpenCode（主入口，MCP 协议标准实现）
• OpenClaw（.openclaw-plugin）
• Codex CLI（.codex-plugin）
• Cursor（cursor 插件）
• VS Code Copilot（vscode-copilot）
• Gemini CLI（gemini-cli）
• JetBrains Copilot（jetbrains-copilot）
• Kiro / Kilo / Qwen-Code / OMP / Pi 等

每个平台都有独立的适配器配置（configs/ 目录），核心逻辑复用，通过 build/adapters/ 下的适配器文件接入各自平台的生命周期。

安全沙箱：让 AI 自由执行代码但不越界

Context Mode 内置了一个强大的安全沙箱子系统，不仅能压缩输出，还能阻止 AI 执行危险操作：

• 阻断 curl 和 wget：直接拦截并替换为错误提示，防止 AI 偷偷下载恶意脚本
• 拦截裸 HTTP 请求：fetch()、requests.get() 等直接报权限错误
• 沙箱化 Bash 输出：超过 20 行的 Bash 输出自动走沙箱，避免淹没上下文
• 内联互联网访问：必须使用 ctx_fetch_and_index(url) 抓取并索引网页，而非直接塞入原始 HTML

这套安全机制实际上让 AI 在"受限环境"中执行代码，降低了被恶意指令误导的风险。

接入方式与上手门槛

对于普通用户：

npm install -g context-mode
# Claude Code: 自动识别插件并引导安装
claude

对于开发者/贡献者：

git clone https://github.com/mksglu/context-mode
cd context-mode
npm install
npm run build

依赖较少（核心是 TypeScript + better-sqlite3），构建产物是 server.bundle.mjs 和 cli.bundle.mjs，可以直接作为 npm 包发布或本地调试。代码结构高度模块化：

• src/server.ts — MCP 服务器入口，工具注册
• src/store.ts — FTS5/BM25 知识库，索引 + 检索
• src/executor.ts — 多语言沙箱执行器
• src/security.ts — 权限验证与操作阻断
• src/runtime.ts — 运行时检测与语言分发
• hooks/ — 各平台的注入钩子（pretooluse、posttooluse、precompact）

当前局限与争议

尽管 Context Mode 解决了大量痛点，但也存在一些值得关注的问题：

1. 平台依赖性：本质是 MCP 插件，必须运行在支持的平台上。如果某个 AI 工具不支持 MCP，就无法使用
2. FTS5 学习成本：CLI 工具集成了 skill 系统（ctx-search、ctx-stats 等），普通用户需要一定的上下文工程意识
3. Windows 支持：部分构建脚本包含平台判断（process.platform !== 'win32'），实际 Windows 体验可能不如 macOS/Linux
4. npm 全局安装风险：npm install -g 全局安装可能与其他 npm 包产生依赖冲突

行业意义：上下文优化的新范式

Context Mode 的出现代表了一个重要的趋势转变：人们开始意识到上下文窗口不是无限资源，而是需要精细管理的计算成本。

从更宏观的视角看，Context Mode 属于"AI 效率工具"这一新兴赛道的代表作。2025 年以来，围绕 AI 编程工具的辅助工具（context 管理、token 优化、工具编排）正在快速涌现。Context Mode 的独特价值在于：

• 它是完全开源的（Elastic License 2.0），任何人都可以审计和改进
• 它覆盖了15+ 个平台，而非局限在单一生态
• 它的 benchmark 数据公开透明，基于真实场景而非 synthetic data

随着 AI 编程工具在软件开发中的渗透率持续上升，类似 Context Mode 这样"降低 AI 工具自身资源消耗"的辅助工具，预计将在 2026-2027 年迎来更大的市场需求。