mksglu/context-mode

解決的問題

Context Mode 解決了「上下文窗口問題」，即 LLM 代理會被工具呼叫（如讀取大型檔案或網頁快照）產生的原始數據淹沒其有限的記憶體，導致它們忘記先前的指令或遺失當前任務。它還能防止代理在進行技術分析時，在冗長的散文式填充內容上浪費 Token。

工作原理

Context Mode 是一個 MCP (Model Context Protocol) 伺服器，它實現了四種主要的上下文保留策略：

1. 上下文儲存：使用沙盒工具將原始數據排除在主上下文窗口之外，顯著降低 Token 消耗。
2. 會話連續性：在 SQLite 資料庫中追蹤檔案編輯、git 操作和使用者決策。它不是將所有歷史紀錄重新倒入上下文，而是使用 FTS5 和 BM25 搜尋來檢索最相關的事件。
3. 用程式碼思考：鼓勵 LLM 編寫並執行腳本（例如透過 ctx_execute）在本地處理數據，而不是為了簡單的分析而將整個檔案讀入上下文窗口。
4. 不強制散文風格：在不強迫模型改變其自然表達風格的情況下管理數據去向，從而避免與激進的簡潔性提示相關的推理基準性能下降。

適用對象

使用 AI 代理和 LLM 驅動的 IDE（如 Claude Code、Gemini CLI、VS Code Copilot、JetBrains Copilot、GitHub Copilot CLI 和 Cursor）的開發者，他們希望延長會話長度並在長期的技術任務中保持代理的一致性。

亮點

• 大幅減少 Token 消耗：據稱在某些工具呼叫中可減少高達 98% 的上下文使用量。
• 廣泛的平台支援：已與包括主要 AI 編程助手在內的 17 個以上的用戶端整合。
• 持久化知識庫：使用 SQLite 和 FTS5 進行高效的會話歷史檢索。
• 診斷工具：包括用於驗證執行時期和鉤子的 ctx-doctor，以及用於追蹤即時上下文節省情況的 ctx-stats。