让编码 Agent 查日志、翻文件，就像让助手把整箱资料全摊在桌上：答案还没找到，桌面先被塞满。工具返回的搜索结果、代码和日志都会占用“上下文窗口”——模型一次能参考的文本总量。Context Mode 想做的，就是先在门外整理资料，只把有用结果递进去。
它是一个 MCP（连接 AI 与搜索、文件等外部工具的统一协议）服务器。沙箱先处理原始数据；持久记忆把文件修改、任务、错误和用户决定存进 SQLite，并用 FTS5 与 BM25 搜索按需找回；路由钩子则在结果进入模型前自动决定处理方式。最具体的一例是：读取47个文件原需约700 KB，改为让 Agent 写脚本统计后，只返回3.6 KB。项目作者称，另一组处理中315 KB可压到5.4 KB，减少98%。
这套规则覆盖17个客户端，并接入 OpenClaw；支持钩子的平台可自动路由，其他平台需复制一次配置文件。它不强迫模型缩短最终回答，而是控制数据往哪里走。上述节省幅度均来自项目作者自述，材料未提供独立测试。