一口气适配17个AI编程平台,context-mode是真实力还是在凑数?
一口气适配17个AI编程平台,context-mode是真实力还是在凑数?
最近AI编程圈里有个项目被反复安利:一边是“帮AI省下98%上下文”的夸张数字,一边是“支持17个平台”的适配清单。
Cursor、Copilot 大家都熟,可剩下那十几个名字——Kiro、KiloCode、Qwen Code、Antigravity、OMP……很多人连听都没听过。
于是问题就来了:这么多平台,是真的一家一家啃下来的,还是配置表上凑数?
我把它的官方支持文档、能力矩阵和实测数据翻了一遍,结论有点出乎意料:它不但没吹牛,还主动写了不少自己的短板。

一、先说人话:它到底在救什么命
你现在的AI编程助手,像一位记性只有200页笔记本的助手。
你让它看一个网页、一份日志、一张页面快照,它都得把“原件”一字不落抄进笔记本。抄上半小时,本子满了,它开始失忆:刚才改的是哪个文件?你上次说别用那个库,它忘了。
context-mode 干的事特别朴素:在助手旁边支一个“隔离工位”,原始数据先丢进去处理,只把结论递进来。
效果有多夸张?看几组官方实测:
- 一张网页快照:56.2KB → 299字节
- 20条 GitHub issue:58.9KB → 1.1KB
- 500行服务器访问日志:45.1KB → 155字节
- 150多条 Git 提交记录:11.6KB → 107字节
- 一份500行数据表:85.5KB → 222字节
21个真实场景加起来,376KB 原始数据只进了 16.5KB 上下文,整体省下约96%。整场会话的口径是:315KB 变 5.4KB,省98%。
通俗点说,原来聊半小时就“脑子满了”,现在能撑三个小时。
而且它顺手做了另一件事:把这些过程记进本地数据库。会话被压缩、被重启之后,它能把你改到哪、任务做到哪、你否决过什么方案,重新捞回来。
二、17个平台,其实分三档
标题里说“Cursor、Copilot 之外还有15个”,其实还说少了。官方清单是 17个客户端,外加一个 OpenClaw 网关。
但这17个绝不是一视同仁,实际分成三档:
第一档,全自动。 Claude Code、Gemini CLI、VS Code Copilot、JetBrains Copilot、GitHub Copilot CLI、Cursor、Qwen Code、Kimi Code、Codex CLI、Kiro,以及插件形态的 OpenCode、KiloCode、Pi、OMP。装上之后,AI想“偷懒”直接把整个网页塞进来,会被当场拦下。
第二档,能跑但残血。 比如 Cursor、Codex、Kimi Code、Kiro,各自缺一块能力,下面细说。
第三档,只能靠自觉。 Antigravity IDE 和 Zed,官方压根没开放拦截接口,只能塞一份“规矩文件”给AI看,靠它自己遵守。
这里有个数字特别关键,也是我认为这个项目最诚实的地方:
有拦截能力的平台,上下文节省约98%;只靠规矩文件的平台,约60%。
官方自己把“60%”写进了文档,还补了一句大实话:只要AI不听话,随手跑一条下载命令,56KB 就一次性灌进来,把一整场省下的额度全冲没了。
三、拿 Cursor 对照:什么叫“支持”,什么叫“好用”
Cursor 是这轮AI编程热潮里最火的编辑器之一,正好拿来当试金石。
它的情况是:能装、能用,但有三处硬伤,而且都不是这个项目能自己解决的。
第一,Cursor 官方目前不接受“会话开始”这个钩子,校验直接拒掉。所以“压缩之后自动恢复记忆”这件事,在 Cursor 上做不了,只能退而求其次,用一份规则文件提醒AI。
第二,Cursor 会“收下”注入的提示内容,但不给模型看。官方论坛上有明确的反馈帖。也就是说,这条通道形同虚设,真正管用的还是规则文件加工具说明。
第三,Cursor 不允许改写AI要执行的命令。所以它只能“拦”,不能“帮你换个更省的做法”。
但它也不是白支持:拦截执行前、执行后、对话结束这三个节点是原生可用的,工具栏流和会话记录都能正常跑。
所以官方给 Cursor 的标签是“部分支持”,一点没美化。
这就带出一个判断标准:一个项目说“支持某平台”,是只要能连上就算,还是把每个平台的能力差异一条条列清楚? 这两者的含金量,差着十万八千里。
四、谁是真满血,谁在硬撑
真正“六项全能”的,是这几位:Claude Code、Gemini CLI、VS Code Copilot、JetBrains Copilot、OpenCode、KiloCode。
拦截、记录、压缩前存档、会话恢复、改写命令、注入提醒,全都有。
剩下的,各有各的将就:
- Codex CLI:只能“拒绝”,不能改写命令;拦截阶段也没法注入提示。更麻烦的是钩子要先开实验开关、再手动“信任”插件,否则你只得到一堆工具,没有自动拦截。
- Kimi Code:同样是“只能拦不能改”,改写请求会被宿主直接丢掉。
- Kiro:拦截和记录都有,但“会话恢复”那个开关还没接上。
- Antigravity CLI:只对下载、读文件、搜索、抓网页这几个“高流量口”做有限拦截,抓取时连输出文本都拿不到,只能记个调用记录。
- Pi 和 OMP:这里最能说明问题。走插件形态能到约98%,可一旦只配最基础的 MCP 连接,立刻掉回约60%。同一个平台,两条路,效果差出一大截。
而支撑这些差异的,是实打实的工程量:仓库里有48个适配器测试文件,给钩子定的延迟预算是每次调用10毫秒以内,其中拦截判断和记录提取各不超过3毫秒;而且一旦某个平台出问题,它会“放行”而不是卡死你的工具。
这些活儿,靠复制粘贴是堆不出来的。
五、对普通人有啥用?不挑电脑,也不花钱
很多人会想:我又不用 Cursor,这跟我有什么关系?
关系还挺大。
第一,它不挑你的工具。 公司只让用 Copilot?可以。团队统一用 Codex?可以。你在 JetBrains 里写 Java、在 VS Code 里写前端、在终端里用 Gemini?都可以。工具绑死一个编辑器,等于把你绑死在一个编辑器上。
第二,它不挑电脑。 全部在你本机跑,不需要显卡,不需要服务器,装个 Node 或者 Bun 就行。省的是“上下文”这种看不见的额度,不是靠算力硬怼。
第三,它不碰你的数据。 没有账号、没有云同步、没有埋点统计,索引和记忆都存在你自己电脑的本地数据库里。对在意代码隐私的团队,这点比省钱更重要。
数据显示,这个项目在 npm 上的下载量已经到63万级别,Hacker News 上曾冲到榜首、拿到570多分。这个热度,不是靠PPT堆出来的。
六、上手难不难?一行命令,但别指望零配置
最省事的是 Claude Code:插件市场两条命令,重启就完事,连项目文件都不用改。
其他平台基本是“全局装一次,再填一段配置”。全局安装就是终端里一句话的事。
但门槛也确实存在,而且是真实存在的:
- Cursor 的插件还在官方审核,暂时得手动装本地目录;
- Codex 要开实验开关、还要信任插件钩子;
- Zed 和 Antigravity IDE 干脆没有拦截接口,得手动复制一份规矩文件;
- 部分平台还得确认 Node 版本够新。
所以它更适合这类人:每天靠AI写代码、被“上下文已满,正在压缩”折磨过的开发者。 如果你只是偶尔让AI改个错别字,装它感知不会太明显。
七、我的判断:不是凑数,是把苦活干细了
回到标题那个问题:17个平台,是实力还是堆量?
我倾向后者——实力,而且是那种不讨巧的实力。
三个理由:
一是敢自曝短板。 它明写“只有 MCP 的平台约60%遵从”“Cursor 的某个钩子被官方拒了”“某个新平台的参数格式未经上游确认”。刷数量的项目,通常只会写“已支持”。
二是按平台重写,而不是糊一层。 17个平台背后是三种完全不同的接入方式:命令行式的消息管道、TypeScript 插件、纯 MCP。每一类的拦截方式、返回格式、报错处理都不一样。
三是有测试和性能底线兜底。 48个适配测试、毫秒级延迟预算、出问题不阻塞用户工具——这些是“敢接这么多平台”的底气。
当然,话说回来,17个里真正“满血”的大概就六七个。剩下那些,是“能用,但残血”。这不是欺骗,恰恰是它把话说清楚了。
结语
AI编程的竞争,正在悄悄换赛道:从“谁的模型更聪明”,变成“谁更会管上下文”。
就像手机不再只比跑分,而是比续航——聪明是上限,续航才是你每天真实感受到的东西。
context-mode 的思路很朴素:别让AI把整本原稿抄进笔记本,只给它一张写着结论的便签。
最后想问你一句:你现在的AI编程助手,是真“记得住”,还是每开一个新会话,就得从头交代一遍项目背景?你更看重“支持多少个平台”,还是“在我用的这一个平台上,到底好不好用”?
评论区聊聊你的翻车经历。