context-mode:让 AI 编程助手 context 不够用成为历史

用 Claude Code、Cursor 或 Codex CLI 跑一个长项目，最常遇到的问题是什么？context 爆了。AI 的上下文窗口不是无限的，当对话变长、历史记录变多，模型能用于真正推理的有效 context 就越来越少，结果就是 AI 开始"失忆"、重复工作、给出错误的上下文信息。mksglu 开发的 context-mode 就是来解决这个问题的——它通过沙箱化工具输出、持久化会话记忆、和跨平台自动路由三大机制，让 AI 编程助手的 context 消耗最高减少 98%。项目目前已有 2.7 万 star，是今年最实用的 AI 编程助手插件之一。

context-mode 的本质是一个 MCP（Model Context Protocol）服务器，但它做的事情和传统 MCP 服务器不太一样。传统 MCP 服务器是给 AI 助手添加工具能力，context-mode 则是在工具层和 AI 模型之间加了一层上下文管理。它把所有工具调用的原始输出拦截下来，存入 SQLite 本地数据库而不是直接塞进 context window——只有当 AI 真正需要的时候，才从数据库里检索相关内容注入 context。这样一来，context window 被释放出来留给真正重要的推理内容，而不是被工具输出这类"噪音"填满。

context-mode 的省 token 能力来自三个协同工作的机制。第一是沙箱化工具输出（Sandboxed Tool Output），这是省 token 的大头。AI 编程助手在执行 `ls`、`grep`、`git log` 这类命令时，原始输出可能很长（比如一个大型项目的目录结构），但 AI 其实只需要理解输出的"要点"而不是逐字阅读。context-mode 会把原始输出存入本地数据库，只把摘要或检索结果注入 context，官方称这项优化能减少 98% 的 context 消耗。

第二是会话持久化（Session Persistence）。传统 AI 编程助手在对话结束后，所有历史记录就消失了，下次开新对话需要从头解释项目背景。context-mode 用 SQLite + FTS5/BM25 全文搜索把会话状态持久化到本地，下次启动时可以从数据库里恢复之前的工作进度，实现跨会话的连续性。这对于长期项目非常重要——你不需要每次都花大量 token 向 AI 重新描述项目结构和开发进度。

第三是自动路由（Automatic Routing）。context-mode 会自动识别 AI 助手的工具调用模式，在需要的时候介入做 context 优化，不需要的时候保持原样工作。开发者不需要手动配置 hook 或路由规则，插件会自动检测并激活。这种零配置的体验降低了使用门槛，也是它能快速普及的重要原因。

context-mode 目前支持 17 个平台的 AI 编程助手，包括 Claude Code、Cursor、Gemini CLI、VS Code Copilot、OpenClaw、Pi Agent 等主流产品。不同平台的接入方式略有差异：OpenClaw 和 Pi Agent 作为原生 gateway 插件运行，不需要单独的 MCP 服务器；Claude Code、Codex CLI 等则通过 MCP 协议连接。官方文档里对每个平台都有详细的适配说明，安装步骤都是标准化的 git clone 加几行配置命令。

需要注意的是，context-mode 对 OpenClaw 有最低版本要求（>2026.1.29），因为它依赖某些生命周期 hook 的 API。这些 API 在旧版本里是缺失的，插件会 fallback 到 DB snapshot 重建模式，虽然能工作但精度会有所下降。Node.js 版本要求是 22 及以上，这是为了保证异步操作的性能和稳定性。

开发者社区对 context-mode 的反馈普遍是正面的。最常见的场景是大型代码库的长期开发——当你维护一个几万行代码的项目，涉及多个模块和复杂的历史上下文，AI 助手经常因为 context 不足而"失忆"，context-mode 有效缓解了这个问题。有开发者分享经验：用 context-mode 之后，Claude Code 在同一个项目里的有效上下文窗口感觉扩大了好几倍，不需要频繁开新对话来"reset"。

另一个高频场景是 AI 辅助的代码审查和重构。长代码库的审查需要 AI 看大量文件，传统方式下这些文件内容会迅速撑满 context window，导致 AI 只能分段处理，增加了遗漏风险。context-mode 的本地搜索能力让 AI 可以按需检索特定文件和代码段，而不是一次性把所有文件内容都塞进 context，既节省了 token 又提高了分析质量。

context-mode 的安装分两步走。第一步是 clone 仓库并安装依赖，执行 `git clone` 后进入目录执行 npm install。第二步是根据你使用的 AI 助手平台，按照官方文档配置对应的 adapter。由于不同平台的接入方式不同，建议严格按照官方文档的对应章节操作。OpenClaw 和 Pi Agent 用户直接安装为 gateway 插件即可，不需要单独配置 MCP 服务器。

配置完成后，context-mode 会自动在项目目录下创建 SQLite 数据库文件，记录工具调用和会话状态。数据库是本地存储，不会传到任何第三方服务，数据安全性有保障。如果你需要清理历史记录，直接删除或重命名数据库文件即可，context-mode 会在下次启动时创建新的空数据库。

context-mode 解决的是一个非常具体但普遍的问题：AI 编程助手的 context 不够用。它用工程化的方式在工具输出层做了一次"压缩"，把 98% 的无效 context 消耗优化掉，让模型有更多空间处理真正重要的推理内容。2.7 万 star 的认可说明这个痛点在整个开发者社区里有广泛的共鸣。如果你也是 AI 编程助手的重度用户，遇到过 context 不足导致 AI"变笨"的情况，context-mode 是一个值得一试的解决方案。