在AI輔助編程日益普及的當下，開發者正面臨一個尖銳矛盾：大模型帶來的效率提升，往往被昂貴的API賬單和模型自身的“失憶”問題所抵消。一款名為context-mode的開源項目，因精準切入這一痛點，近期在開發者社區引發廣泛關注，並一度登頂GitHub Hacker News。

context-mode是一款基於Anthropic發佈的模型上下文協議（MCP）構建的插件，定位為AI編程助手的“上下文優化中間件”。它的核心功能並非直接提升模型智能，而是通過一系列機制大幅削減不必要的Token消耗，並延長模型在長週期開發任務中的有效記憶。

據項目團隊透露，在編程場景下，context-mode可將AI編程成本降低98%，同時將大模型的連續編程有效時間從30分鐘延長至3小時。目前該項目在GitHub上已獲得超過1.5萬顆星，吸引逾24.3萬名開發者接入，完成了對15個主流平臺的底層適配，並被微軟、谷歌、Meta、字節跳動及Cursor等科技公司的研發團隊採用。

這款插件背後的團隊是一支分佈式的跨國初創力量，核心成員來自土耳其、法國等4個國家，主要通過GitHub進行異步協作。創始人Mert Köseoğlu擁有超過10年全棧工程與系統架構經驗，曾以技術顧問身份為OpenAI等企業提供服務，並先後任職於Countly、Planhat及Jotform等數據與SaaS平臺。團隊中的中國面孔孫逸誠目前大二在讀，曾入圍強基計劃，具備Temporal-RAG引擎獨立開發經驗，並獲知乎全球A2A黑客松銀獎，負責多平臺適配工作。

context-mode的誕生，源於對開發者真實痛點的觀察。在實際開發中，頂尖模型的Token定價不菲，包含充足額度的套餐月費動輒高達200美元。更棘手的是，模型在執行任務時往往採用低效策略。孫逸誠分享了一個案例：在一次Kaggle數據競賽中，他讓Claude處理一個包含300組數據的訓練任務。模型為確認進度，沒有編寫定時腳本，而是每隔5秒對整個項目發起一次全局檢索，導致一個高配會員賬號的API額度在半小時內消耗了90%。

與此同時，當代碼量觸及某些集成開發環境的隱形上限時，系統會丟棄或壓縮歷史信息，導致模型遺忘關鍵架構和約束條件，出現“前一秒流暢寫代碼，下一秒全部忘記”的現象。

針對這些問題，context-mode提出了三條核心設計思路。

首先是建立“虛擬沙盒”機制。傳統調用中，龐大的原始數據會被直接倒入模型的上下文窗口，造成Token消耗激增。context-mode則在大模型和操作系統之間設置一道防火牆，將所有文件和運行記錄存放在本地，僅在需要時向模型提供精準檢索後的相關內容。據《智能湧現》測試，接入該插件後，模型讀取一份79.3 KB文件時，Token消耗成本降低了87.7%。

其次是構建“存檔點”系統。插件會實時監控開發者的每一次文件編輯，當對話過長時，主動生成並向AI注入一個通常小於2KB的快照，相當於在代碼編輯過程中建立存檔。這一機制將模型的有效編程時間從30分鐘大幅延長至3小時。

第三是引入“用代碼思考”（Think in Code）範式。該範式不要求模型逐行閱讀文件，而是讓它先編寫一個腳本，由腳本在本地完成數據分析，再將提煉後的結果反饋給模型。創始人Mert指出，面對50個文件的數據統計任務，與其讓模型逐個閱讀，不如讓它寫一段腳本完成統計。一個腳本可以替代十幾個昂貴的工具調用，並節省百倍的上下文。在《智能湧現》的測試中，接入該範式後，模型處理一份文件時節省了99.98%的Token成本。

與需要重新下載並適應新環境的獨立開發軟件不同，context-mode作為一個輕量級MCP插件中間件，可直接接入開發者原有的工作流。團隊還提供了一系列快捷指令，用戶輸入指令後，瀏覽器會彈出本地數據統計面板，記錄當週API調用次數及插件攔截的無效數據讀取量。

近期，context-mode針對企業研發場景推出了“上下文即服務”產品Insights。獲得授權後，該插件可將程序員使用AI的過程數據——包括調用了什麼工具、報錯次數、費用消耗等——發送至Insights服務器。系統還能根據不同崗位生成差異化報告，例如面向安全總監的安全報告，或面向財務團隊的Token消耗明細。目前Insights仍處於定向內測階段。

在創始人Mert看來，行業對AI編程存在一個根本性誤區：將大模型視為“數據處理器”，而非“代碼生成器”。他認為，無限上下文是一個偽命題，真正的解法不是盲目擴容長文本窗口，而是建立極度剋制的狀態記憶層，將傳給AI的無效噪音壓縮到極致。下一代AI編程的瓶頸不在於模型是否足夠聰明，而在於上下文管理框架是否足夠清晰。

在巨頭紛紛打造“全家桶”式集成開發環境的趨勢下，context-mode選擇了一條不同的路徑：做跨平臺的“萬能插座”。團隊投入大量精力適配Cursor、Claude、Gemini等不同底層邏輯，因為他們判斷，真實的開發者生態永遠是碎片化且快速迭代的。開發者需要的不是一個被大廠深度綁定的全能Agent，而是一個輕量、不吃內存、即插即用且能顯著降低API賬單的中間件。

這一思路正在獲得市場驗證。隨著OpenClaw等全自動AI編程智能體的普及，Vibe Coding的應用門檻持續降低，但Token成本與模型記憶問題也隨之放大。context-mode的出現，為開發者在享受AI效率紅利的同時控制成本，提供了一種開源且可嵌入現有工作流的選項。