Context Window
上下文視窗
上下文視窗是單次模型請求能容納的 token 總量，輸入內容和生成輸出都要算在內。實際計算方式會因模型和 API 而不同。
另一個例子
一個模型的上限是 32,000 token。指令和對話歷史用了 3,000、檢索內容用了 22,000，另留 4,000 給輸出，還要保留安全餘裕；上下文視窗不是永久記憶，也不是模型學過的全部知識。
主要部分
- 01模型 token 上限
- 02組合後輸入
- 03輸出保留量
什麼時候用
要分配一次請求的容量時，可以使用這個詞。容量包含指令、對話歷史、證據、工具結果和輸出。
什麼時候不要用
不要把所有模型版本都寫成同一個上下文大小，也不要以為每個 token 對答案品質的幫助都一樣。
程式裡的名稱
input tokens + output reserve ≤ model limit 上線前要檢查
檢查模型與提示詞版本、參考資料、有版本編號的評估集與指標。驗證答案能否連回來源證據，也要檢查工具權限與隱私。再檢查常見失敗、拒答、安全退路與人工覆核。也要檢查監控、成本、速度與回復方式。
預期成果：使用或評估 上下文視窗 (Context Window)，讓 AI 行為可以衡量，也能連回證據。 使用者情境：一個模型的上限是 32,000 token。指令和對話歷史用了 3,000、檢索內容用了 22,000，另留 4,000 給輸出，還要保留安全餘裕；上下文視窗不是永久記憶，也不是模型學過的全部知識。 AI 方法或概念：上下文視窗 (Context Window)。 適用理由：要分配一次請求的容量時，可以使用這個詞。容量包含指令、對話歷史、證據、工具結果和輸出。 不應使用的情況：不要把所有模型版本都寫成同一個上下文大小，也不要以為每個 token 對答案品質的幫助都一樣。 AI 要求：定義輸入與參考證據。設定模型和工具權限。使用有版本編號的評估資料與指標。說明失敗、拒答、隱私、速度與成本限制。 營運防護：保留可查詢記錄，並隱藏其中的敏感資料。提供使用者看得懂的安全退路。標出必須由人員覆核的步驟，並定義模型或提示詞的回復方式。 驗收條件：在有版本編號的評估集上記錄目前基準與目標。測試邊界案例與惡意輸入。驗證安全退路、監控、權限與回復方式。 證據與限制（證據邊界）：沒有一份官方標準能管到全部內容。不同團隊、平台或框架的用法可能不同。 待確認：目標任務、模型與版本、評估負責人、參考資料、風險門檻、工具權限，以及正式環境的安全退路。
檢查這份需求
請 AI 程式助手檢查目前如何使用 上下文視窗 (Context Window)。 定義：上下文視窗是單次模型請求能容納的 token 總量，輸入內容和生成輸出都要算在內。實際計算方式會因模型和 API 而不同。 正式環境檢查：檢查模型與提示詞版本、參考資料、有版本編號的評估集與指標。驗證答案能否連回來源證據，也要檢查工具權限與隱私。再檢查常見失敗、拒答、安全退路與人工覆核。也要檢查監控、成本、速度與回復方式。 修改程式前，先列出看到的證據、缺口、嚴重程度，以及最小且安全的修正。