GitHub上刚冒头的一个项目，今天就拿了178个星标——mksglu/context-mode，专门做AI编码代理的上下文窗口优化。这个项目的核心动作，是解决当前AI编码工具里的几个实际痛点，不是空喊概念。
先看最硬的数字：沙箱输出减了98%
AI编码代理跑测试的时候，沙箱里的工具（比如代码测试、命令行输出）经常会吐一大堆冗余内容，把宝贵的上下文窗口占满。很多人靠加Token数量来解决，但这个项目直接把沙箱输出的冗余部分砍掉了98%——这是项目公开的具体数据，不是估算。也就是说，原来占窗口一半的测试输出，现在只剩2%不到，省下的空间可以放更多有效代码逻辑，不用开发者手动去删输出里的垃圾内容。
跨17个平台的路由，靠MCP加钩子
很多AI编码工具只能适配特定IDE或平台，但这个项目靠MCP加钩子，实现了跨17个平台的路由适配。不管你用VS Code、JetBrains还是其他主流编码工具，只要符合它的适配规则，就能把AI代理的请求和数据路由过去，不用每个平台单独做适配——这对那些要在多平台干活的开发者来说，省了不少折腾的时间，不用再在不同工具间来回切换同步设置。
选TypeScript，是工具的适配性决定的
它用TypeScript编写，这不是随意的选择。AI编码代理多运行在Node.js或前端生态，TypeScript的类型系统能减少适配时的bug，还和主流IDE的插件开发兼容度高。当前GitHub上不少AI工具项目都选择TypeScript，核心是看中生态适配的便捷性，这个项目的选择也是落地需求导向，而非跟风——毕竟要做跨17平台的适配，稳定的类型支持能少踩很多坑。
现在AI编码工具的赛道，不少玩家在拼上下文窗口的Token上限，动辄几十万甚至上百万的Token数。但mksglu/context-mode的思路完全不同：它不堆资源，而是做减法——砍掉沙箱输出的98%冗余，打通17个平台的路由，持久化会话内存。这些都是开发者日常写代码时会遇到的具体麻烦，不是空中楼阁的概念。你觉得接下来，AI编码工具的竞争，会更偏向“堆Token数量”，还是“挖现有上下文的利用率”？
素材来源：GitHub Trending · AI情报、AI行业观察
查看报道原文
发表第一条评论吧