Context Mode

解决上下文问题的另一半方案。

已在多个团队中广泛使用。

问题所在

每一个 MCP 工具调用都会将原始数据倾倒进你的上下文窗口。一个 Playwright 快照占用 56 KB，二十个 GitHub Issues 占用 59 KB，一个访问日志占用 45 KB。30 分钟后，你 40% 的上下文就已经消失了。当 Agent 为了腾出空间而压缩对话时，它会忘记正在编辑的文件、正在进行的任务以及你之前的要求。更糟糕的是，Agent 还会将输出 Token 浪费在无用的寒暄和冗长的解释上，从两端同时消耗你的上下文。

Context Mode 如何解决问题

Context Mode 是一个 MCP server，从四个方面解决了上述问题：

1. 上下文节省 —— 通过沙箱工具将原始数据隔离在上下文窗口之外。315 KB 的内容可压缩至 5.4 KB，实现 98% 的缩减率。

2. 会话连续性 —— 每一个文件编辑、Git 操作、任务、错误和用户决策都会在 SQLite 中进行跟踪。当对话压缩时，context-mode 不会将这些数据重新丢回上下文，而是将其索引到 FTS5 中，并仅通过 BM25 搜索检索相关信息。模型会准确地从你上次中断的地方继续。如果你不使用 --continue，之前的会话数据会立即被删除——全新的会话意味着全新的开始。

3. 以代码思维思考 —— LLM 应该负责编写分析脚本，而不是直接进行计算。Agent 不必为了统计函数数量而读取 50 个文件进上下文，而是编写一个脚本进行计数，并仅通过 console.log() 输出结果。一个脚本可以替代十个工具调用，并节省 100 倍的上下文。这是所有 16 个平台强制执行的范式：不要把 LLM 当作数据处理器，而应将其视为代码生成器。

   // Before: 47 × Read() = 700 KB.  After: 1 × ctx_execute() = 3.6 KB.
   ctx_execute("javascript", `
     const files = fs.readdirSync('src').filter(f => f.endsWith('.ts'));
     files.forEach(f => console.log(f + ': ' + fs.readFileSync('src/'+f,'utf8').split('\\n').length + ' lines'));
   `);
   

4. 无强制文风 —— context-mode 将原始数据排除在上下文之外，但从不干涉模型如何编写最终答案。简洁性、完整性、格式等均由你的模型决定（或者通过你自己的 CLAUDE.md / AGENTS.md 定义）。已有研究表明，激进的简洁性提示词会降低代码/推理基准测试表现（参考 Moonshot AI on kimi-k2.5）—— 路由模块专注于数据流向，而非模型说话的方式。

安装

平台按安装复杂程度分类。支持 Hook 的平台可实现自动路由强制执行。非 Hook 平台需要一次性复制路由文件。

Claude Code — 插件市场，全自动

先决条件： Claude Code v1.0.33+ (claude --version)。如果无法识别 /plugin，请先更新：brew upgrade claude-code 或 npm update -g @anthropic-ai/claude-code。

安装：

/plugin marketplace add mksglu/context-mode
/plugin install context-mode@context-mode

重启 Claude Code（或运行 /reload-plugins）。

验证：

/context-mode:ctx-doctor

所有检查项均应显示 [x]。Doctor 会验证运行时环境、Hooks、FTS5 以及插件注册情况。

路由： 自动。SessionStart hook 会在运行时注入路由指令 —— 无需在你的项目中写入任何文件。该插件注册了所有 Hook（PreToolUse、PostToolUse、PreCompact、SessionStart）以及 11 个 MCP 工具 —— 包括六个沙箱工具 (ctx_batch_e...)。