mksglu/context-mode

解决的问题

Context Mode 解决了“上下文窗口问题”，即 LLM 智能体会被工具调用（如读取大型文件或网页快照）产生的原始数据淹没其有限的内存，导致它们忘记之前的指令或丢失当前任务。它还能防止智能体在进行技术分析时，在冗长的散文式填充内容上浪费 Token。

工作原理

Context Mode 是一个 MCP (Model Context Protocol) 服务器，它实现了四种主要的上下文保留策略：

1. 上下文保存：使用沙箱工具将原始数据排除在主上下文窗口之外，显著降低 Token 消耗。
2. 会话连续性：在 SQLite 数据库中跟踪文件编辑、git 操作和用户决策。它不是将所有历史记录重新倒入上下文，而是使用 FTS5 和 BM25 搜索来检索最相关的事件。
3. 用代码思考：鼓励 LLM 编写并执行脚本（例如通过 ctx_execute）在本地处理数据，而不是为了简单的分析而将整个文件读入上下文窗口。
4. 不强制散文风格：在不强迫模型改变其自然表达风格的情况下管理数据去向，从而避免与激进的简洁性提示相关的推理基准性能下降。

适用对象

使用 AI 智能体和 LLM 驱动的 IDE（如 Claude Code、Gemini CLI、VS Code Copilot、JetBrains Copilot、GitHub Copilot CLI 和 Cursor）的开发者，他们希望延长会话长度并在长期的技术任务中保持智能体的一致性。

亮点

• 大幅减少 Token 消耗：据称在某些工具调用中可减少高达 98% 的上下文使用量。
• 广泛的平台支持：已与包括主要 AI 编程助手在内的 17 多个客户端集成。
• 持久化知识库：使用 SQLite 和 FTS5 进行高效的会话历史检索。
• 诊断工具：包括用于验证运行时和钩子的 ctx-doctor，以及用于跟踪实时上下文节省情况的 ctx-stats。