文｜李嘉星

剪辑｜周鑫雨

一句话先容

context-mode是一款专为AI编程打造的高下文优化MCP（Anthropic发布的模子高下文公约）插件。

它治理了征战者在长周期征战中遇到的“模子失忆”与“Token过多铺张”的核肉痛点。

据团队示意，在编程场景下，context-mode大约让AI编程的老本镌汰98%，同期将大模子的顾虑力从30分钟升迁至3小时。

团队布景

context-mode的背后是一支布景多元的跨国初创团队。目下团队的中枢成员漫步在土耳其、法国等4个国度，主要通过GitHub异步合营。

MertKöseoğlu（中枢征战者、首创东说念主）：曾四肢技巧参谋人为OpenAI等企业提供技巧工作，领有超10年全栈工程与系统架构申饬。创业前，他曾先后任职于Countly、Planhat及Jotform等全球著名数据与SaaS平台，担任高等软件工程师。

孙逸诚（中枢征战者、多平台适配认真东说念主）：团队里的中国神情，目下大二在读。他曾入围强基计较（数学与物理全省前18名），具有Temporal-RAG（时序数据检索增强）引擎的落寞征战申饬，并赢得知乎全球A2A（Agent-to-Agent）黑客松银奖。

居品及业务

图源:context-mode

粗浅来说，context-mode是一款挑升为AI编程助手“减负”和“整理顾虑”的开源MCP插件。

该步地发布后曾登顶GitHubHackerNews，目下已在GitHub赢得超1.5万颗Star。context-mode现已诱惑逾24.3万名征战者接入，完成了对15个主流平台的底层适配，并被微软、谷歌、Meta、字节进步及Cursor等科技公司的研发团队接纳。

context-mode之是以能在极客圈赢得多半的体恤，恰是因为其精果真中了一个令东说念主头疼的行业焦灼：被不菲API账单和大模子失忆逼疯的征战者

跟着“龙虾（OpenClaw，一个开源Agent框架）”等全自动AI编程智能体的普及，VibeCoding的诈欺门槛进一步镌汰。

关联词，享受到AI带来的效果升迁的同期，用户很快领会到，身手是不菲的：一方面，Claude、GPT等顶尖模子的Token订价并未低廉，包含充足Token额度的高等套餐，订价动辄高达200好意思元/月。

另一方面，受制于当下的智力，在履行具体任务历程中，模子的反复试错、类似检索皆会变成非凡的Token糜费。

在践诺征战场景中，大模子每每推崇得像一个“莫得知识的数据处理机器”。团队成员孙逸诚共享了一个踩坑经验：

干预Kaggle数据竞赛时，他将一个包含300组数据的测验任务交给了Claude。为了阐述任务程度，Claude莫得聘请写一段定时剧本，而是聘请每隔5秒钟向通盘步地发起一次全局检索。这种极其低效的“死盯”计谋，让一个高配会员账号的API额度在短短半小时内铺张了90%。

与此同期，大模子还存在“失忆”的问题。征战者发现，现代码量涉及某些主流IDE（集成征战环境）的隐形上限（如164K）时，系统会不得不丢弃或压缩历史信息，导致模子渐忘要道细节。这就导致：前一秒还在畅达写代码的AI，下一秒就会把前置的要道架构和敛迹条目忘得清清爽爽。

濒临大模子严重的“幻觉”与“失忆”，context-mode给出了解法：既然大模子处理海量原始数据又贵又笨，那就打劫它径直阅读原始数据的职权。

孙逸诚打了一个譬如：“传统的AI编程就像看一场马拉松，大模子会死死盯着每一个选手的每一步，这虽然会耗尽它的高下文。而context-mode作念的，是把赛马拉松的历程扔进一个屏蔽的沙盒（Sandbox）里，大模子只需要看临了的排行截至。”

具体到职责旨趣，最初，通过引入“凭空沙盒”与精确检索，context-mode大约有用镌汰Token的铺张。

在传统的调用模式中，每一次MCP器用的调用皆极其不菲，巨大的原始数据会被径直倾倒进大模子的高下文窗口，导致Token铺张量高涨。

context-mode的“凭空化沙盒”机制，就好比在大模子和操作系统间缔造了一起“防火墙”。它会先把系数文献和初始记载存放在腹地，需要用到时再帮大模子把相关内容找出来。

《智能显现》的测试截至。

把柄《智能显现》的测试，接入context-mode后，大模子读取一份79.3KB的文献时，Token的铺张老本镌汰了87.7%。

其次，为了治理大模子的“失忆”痛点，context-mode通过构建“归档点”，及时监控征战者的每一次文献剪辑。

当对话太长，它会主动构建并向AI注入一个频繁小于2KB的“快照”，云开体育相等于在代码剪辑历程中缔造了一个“归档点”。官方示意，这种机制能将大模子承接编程的有用时分从30分钟升迁至3小时。

临了，context-mode引入了强制性“用代码想考（ThinkinCode）”的范式，从而简略Token铺张。

所谓的ThinkinCode，粗浅而言，即是不让模子逐行阅读、处理文献，而是先让模子编写一个“小次序”，让“小次序”先在腹地完成数据分析，再将索要后的截至反应给模子。

context-mode首创东说念主Mert告诉《智能显现》，征战者堕入了一个误区：风尚将海量数据径直丢给大模子进行处理。践诺上，濒临50个文献的数据统计任务，与其让模子躬行一一阅读，不如先让模子写一段剧本，由剧本完成统计职责，再把截至复返给模子。

用Mert的话说，一个剧本不错替代十几个不菲的器用调用，并简略百倍的高下文。

把柄《智能显现》的测试，接入context-mode后，模子处理一份文献时，简略了99.98%的Token老本。

context-mode的上手门槛，比Cursor等需要重新下载并允洽环境的落寞征战软件（IDE）更低。四肢一个轻量级的MCP（模子高下文公约）插件中间件，context-mode不错径直接入征战者原有的职责流中。

context-mode团队还提供了一系列快捷教唆，用来查抄各大平台的Token简略情况。用户只需要在聊天框中输入教唆，浏览器就会弹出一个腹地的数据统计面板，记载着当周调用了若干次API，以及context-mode阻碍了若干次无效的数据读取。

△快捷教唆列表。图源:context-mode

近期，context-mode针对企业研发场景，推出了“高下文即工作”。

在企业研发场景中，AI的ROI每每难以推断。

为此，context-mode推出了企业工作“Insights”。赢得授权后，装置在次序员电脑上的插件，不错径直将次序员使用AI的历程数据（比如调用了什么器用、报错了几次、铺张了若干钱），发送到Insights处所工作器上。

与此同期，Insights还能针对不同岗亭，提供不同的数据敷陈。比如面向安全总监，系统会自动生成安全敷陈；面向财务团队，系统不错提供Tokens铺张明细。

目下，Insights仍处于定向内测阶段。

Founder想考

罢手将大模子视为“数据处理器”，它本体上是“代码生成器”。

目下许多平台和征战者堕入了一个误区，可爱把50个文献径直读入高下文，让大模子去内部“数”有若干个函数。

这不仅慢慢，何况极其糜费算力。咱们的方针是“用代码想考（ThinkinCode）”——LLM应该去编写一个统计剧原本完成计数，临了只输出截至。

一个剧本不错替代十几个不菲的器用调用，并简略百倍的高下文。在异日的AI编程范式中，这是系数平台皆必须解任的底层铁律。

无穷高下文是一个伪命题，克制才是AI器用最难缔造的壁垒。

行业里皆在卷大模子的长文本智力（比如100K致使1M的高下文），但这其实是个罗网。把几十KB的报错日记一股脑倾倒给AI，只会加快它的“失忆”和幻觉。

果真的解法不是盲目扩容，而是缔造起一套尽头克制的“景色顾虑层（沙盒）”。谁能把传给AI的无效杂音压缩到极致，谁才能果真帮征战者把承接编程的时分从30分钟延迟到3个小时。

下一代AI编程的瓶颈不在于模子够不够聪惠，而在于高下文防守框架够不够了了。

目下各人皆在衔恨AI会在归拢个Bug上反复颠仆。这并不是因为模子变笨了，而是它在冗长的对话中迷失了。

唯一给AI提供像单机游戏相似的归档点，强制它按优先级读取顾虑，才能为它果真有价值的逻辑推理留出饱和的空间。

大厂在卷“全家桶”，而咱们在作念跨平台的“全能插座”。

咱们花多半元气心灵去适配Cursor、Claude、Gemini等不同的底层逻辑，是因为果真的征战者生态弥远是碎屑化且快速迭代的。

征战者不需要另一个被大厂深度绑定的全能Agent云开体育，他们需要的是一个轻量、不吃内存、即插即用且能极大镌汰API账单的中间件。