上下文問題的另一半。
每次 MCP 工具呼叫都會將原始資料丟入你的上下文視窗。一次 Playwright 快照佔用 56 KB，二十個 GitHub 問題佔 59 KB，一筆存取日誌佔 45 KB。30 分鐘後，你的上下文就會消失 40%。當代理壓縮對話以釋放空間時，它會忘記正在編輯哪些檔案、進行中的任務，以及你最後的請求。此外，代理還會浪費輸出代幣在填充詞、客套話和冗長解釋上，雙方上下文都被消耗。
Context Mode 是一個 MCP 伺服器，解決此問題的四個面向：
上下文保存 — 沙盒工具將原始資料隔離出上下文視窗。315 KB 減少到 5.4 KB，減少 98%。
會話連續性 — 每次檔案編輯、git 操作、任務、錯誤與使用者決策都被追蹤並存入 SQLite。當對話壓縮時，context-mode 不會將這些資料丟回上下文，而是將事件索引到 FTS5，並透過 BM25 搜尋只取回相關內容。模型能精準接續你上次的工作。如果不使用 --continue，先前會話資料會立即刪除，新的會話即是乾淨的開始。
以程式思考 — LLM 應該產生分析程式，而非自行計算。代理不會將 50 個檔案讀入上下文來計算函式數量，而是寫一段腳本執行計數並只輸出結果。這一段腳本取代十次工具呼叫，節省 100 倍上下文。這是所有 17 個支援客戶端及 OpenClaw 閘道整合的必備範式：停止將 LLM 視為資料處理器，改為程式碼產生器。
不強制文風 — context-mode 將原始資料隔離出上下文，但不干涉模型最終答案的寫作風格。簡潔、完整、格式由你的模型決定（或透過 CLAUDE.md / AGENTS.md 自訂）。過度強調簡潔的提示已被證明會降低編碼與推理表現（Moonshot AI 在 kimi-k2.5 上的測試）。路由模組專注於資料流向，而非模型表達方式。
平台依安裝複雜度分組。支援 hook 的平台自動強制路由，非 hook 平台則需一次性複製路由檔案。
安裝與使用說明涵蓋多種平台，包括 Claude Code、Gemini CLI、VS Code Copilot、JetBrains Copilot、GitHub Copilot CLI、Cursor、OpenCode、KiloCode、OpenClaw、Codex CLI、Kimi Code CLI、Qwen Code、Antigravity IDE 與 CLI、Zed、Pi Coding Agent、Oh My Pi (OMP) 等。
Context Mode 利用 better-sqlite3 及 Node.js 內建 sqlite 模組，根據環境自動選擇最佳 SQLite 後端，並使用 BM25 演算法與 Porter 詞幹處理實現精準全文檢索。當輸出超過 5 KB 且有意圖標示時，會進行意圖驅動的過濾，僅返回相關片段。
每次工具呼叫皆在獨立子程序中執行，確保腳本間無記憶體或狀態共用，且僅將標準輸出納入上下文，原始資料如日誌、API 回應、快照均不進入對話。
Context Mode 透過五種 hook（PreToolUse、PostToolUse、PreCompact、SessionStart、Stop）捕捉工具事件、使用者決策、建立壓縮快照並恢復會話狀態，實現跨多平台的會話連續性。不同平台支援程度不一，但大多數主流 IDE 與 CLI 已具備完整或高覆蓋率的支援。
路由指令檔案與 hook 共同作用，實現對高輸出工具的攔截與沙盒執行，避免上下文視窗被淹沒。建議在支援 hook 的平台啟用以確保最佳效能與安全。
Context Mode 以其創新的上下文管理與會話持續技術，顯著提升 AI 編碼代理的效率與穩定性，為多平台開發環境帶來革命性改進。