Context Window
上下文窗口
上下文窗口是单次模型请求能容纳的 token 总量，输入内容和生成输出都要算在内。实际计算方式会因模型和 API 而不同。
另一个例子
一个模型的上限是 32,000 token。指令和对话历史用了 3,000、检索内容用了 22,000，另留 4,000 给输出，还要保留安全余量；上下文窗口不是永久记忆，也不是模型学过的全部知识。
主要部分
- 01模型 token 上限
- 02组合后输入
- 03输出预留量
什么时候用
要分配一次请求的容量时，可以使用这个词。容量包含指令、对话历史、证据、工具结果和输出。
什么时候不要用
不要把所有模型版本都写成同一个上下文大小，也不要以为每个 token 对答案质量的帮助都一样。
代码里的名称
input tokens + output reserve ≤ model limit 上线前要检查
检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。
预期结果：使用或评估 上下文窗口 (Context Window)，让 AI 行为可以衡量，也能连回证据。 用户场景：一个模型的上限是 32,000 token。指令和对话历史用了 3,000、检索内容用了 22,000，另留 4,000 给输出，还要保留安全余量；上下文窗口不是永久记忆，也不是模型学过的全部知识。 AI 方法或概念：上下文窗口 (Context Window)。 适用理由：要分配一次请求的容量时，可以使用这个词。容量包含指令、对话历史、证据、工具结果和输出。 不应使用的情况：不要把所有模型版本都写成同一个上下文大小，也不要以为每个 token 对答案质量的帮助都一样。 AI 要求：定义输入与参考证据。设置模型和工具权限。使用有版本号的评估数据与指标。说明失败、拒答、隐私、速度与成本限制。 运营防护：保留可查询记录，并隐藏其中的敏感数据。提供用户看得懂的安全备用做法。标出必须由人工复核的步骤，并定义模型或提示词的恢复方式。 验收标准：在有版本号的评估集上记录当前基线与目标。测试边界案例与恶意输入。验证安全备用做法、监控、权限与恢复方式。 证据与限制（证据边界）：没有一份官方标准能涵盖全部内容。不同团队、平台或框架的用法可能不同。 待确认：目标任务、模型与版本、评估负责人、参考数据、风险阈值、工具权限，以及生产环境的安全备用做法。
检查这份需求
请 AI 编程助手检查当前如何使用 上下文窗口 (Context Window)。 定义：上下文窗口是单次模型请求能容纳的 token 总量，输入内容和生成输出都要算在内。实际计算方式会因模型和 API 而不同。 生产环境检查：检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。 修改程序前，先列出看到的证据、缺口、严重程度，以及最小且安全的修正。