context - mode：为AI编程减负，降成本98%、提记忆力至3小时，GitHub获超1.5万Star！

一句话介绍

context - mode是一款专为AI编程打造的上下文优化MCP（Anthropic发布的模型上下文协议）插件，解决了开发者在长周期开发中“模型失忆”与“Token过多消耗”的核心痛点。据团队表示，在编程场景下，它能让AI编程成本降低98%，将大模型记忆力从30分钟提升至3小时。

团队背景

context - mode背后是一支背景多元的跨国初创团队，核心成员分布在土耳其、法国等4个国家，主要通过GitHub异步协作。核心开发者、创始人Mert Köseoğlu曾为OpenAI等企业提供技术服务，有超10年全栈工程与系统架构经验，创业前在Countly、Planhat及Jotform等平台任高级软件工程师。核心开发者、多平台适配负责人孙逸诚是中国面孔，大二在读，曾入围强基计划（数学与物理全省前18名），有Temporal - RAG引擎独立开发经验，获知乎全球A2A黑客松银奖。

产品及业务

context - mode是为AI编程助手“减负”和“整理记忆”的开源MCP插件。该项目发布后登顶GitHub Hacker News，已在GitHub获超1.5万颗Star，吸引逾24.3万名开发者接入，完成15个主流平台底层适配，被微软、谷歌、Meta、字节跳动及Cursor等科技公司研发团队采用。

随着“龙虾（OpenClaw）”等全自动AI编程智能体普及，Vibe Coding应用门槛降低，但用户发现使用AI成本高，一方面Claude、GPT等顶尖模型Token定价贵，高级套餐动辄200美元/月；另一方面，模型执行任务时反复试错、重复检索造成Token浪费。同时，大模型存在“失忆”问题，代码量触及主流IDE隐形上限时，会丢弃或压缩历史信息，遗忘关键细节。

context - mode给出解法：剥夺大模型直接阅读原始数据的权利。孙逸诚打比方说，传统AI编程像看马拉松，大模型盯着每个选手每一步，会耗尽上下文，而context - mode把过程放进屏蔽沙盒，大模型只需看排名结果。

其工作原理：一是通过“虚拟沙盒”与精准检索降低Token消耗，“虚拟化沙盒”机制像在大模型和操作系统间建“防火墙”，先存文件和运行记录在本地，用时帮大模型找相关内容。《智能涌现》测试显示，接入后读取79.3KB文件，Token消耗成本降低87.7%。二是构建“存档点”解决“失忆”痛点，实时监控开发者文件编辑，对话太长时主动构建并注入小于2KB的“快照”，将大模型连续编程有效时间从30分钟提升至3小时。三是引入“用代码思考（Think in Code）”范式节省Token消耗，即让模型编写“小程序”在本地完成数据分析，再反馈结果。《智能涌现》测试表明，接入后处理文件节省99.98%的Token成本。

context - mode上手门槛比Cursor等独立开发软件低，作为轻量级MCP插件中间件，可直接接入开发者工作流。团队还提供快捷指令查看Token节省情况，输入指令后浏览器会弹出本地数据统计面板。

近期，context - mode针对企业研发场景推出“上下文即服务”，其企业服务“Insights”可将程序员使用AI的过程数据发送到服务器，还能针对不同岗位提供不同数据报告，目前处于定向内测阶段。

Founder思考

停止将大模型视为“数据处理器”，应将其看作“代码生成器”，主张“用代码思考（Think in Code）”，一个脚本可替代十几个昂贵工具调用，节省百倍上下文，这是未来AI编程范式的底层铁律。

无限上下文是伪命题，克制是AI工具最难建立的壁垒，应建立“状态记忆层（沙盒）”，压缩传给AI的无效噪音，延长开发者连续编程时间。

下一代AI编程瓶颈在于上下文管理框架是否清晰，要给AI提供存档点，强制按优先级读取记忆。

大厂在卷“全家桶”，context - mode在做跨平台的“万能插座”，适配不同底层逻辑，为开发者提供轻量、不吃内存、即插即用且降低API账单的中间件。