上下文窗口是什么？为什么对话太长会影响效果？

上下文窗口是模型一次处理任务时可以容纳的信息范围，通常以 Token 计量。对话变长以后，信息可能超出容量，也可能因为材料冗杂、指令冲突而更难被正确利用，所以“聊天记录还在”不等于“每次回答都完整参考了全部记录”。

一句话理解：这一次实际能参考多少材料

你可以把上下文想成当前放在桌上的材料：任务要求、已选取的对话、文档内容和工具结果都可能在其中。窗口描述这次可处理的范围，而不是整个产品能保存多少东西。这个比喻不代表模型像人一样拥有一张桌子或持续的记忆。

具体模型对输入、输出以及其他 Token 的计算方式可能不同。应用也可能预留空间，或在传给模型之前整理材料。不能只看宣传中的容量数字，就认为上传的所有文件都会逐字进入每一次回答。

三种容易混在一起的“记住”

长期记忆可能保存偏好或摘要，再在相关任务中重新提供给模型。它属于具体产品的实现与设置，不等于把整段历史一直塞进窗口，也不等于模型权重因这次聊天立即发生改变。

一个周报反复修改的场景

假设你一开始要求“控制在三段”，后来让 AI 扩充细节，再后来改成“面向新人”，中间又讨论了无关话题。最后只发一句“按刚才的要求重写”。这是教学例子：此时“刚才”可能指不同版本，窗口再大也无法自动消除你的歧义。

更明确的做法是重新列出当前有效要求：“面向新人、保留三段、不要增加未确认的进度；前面的五段方案作废。”必要时附上最终素材。你不是在给 AI 补课，而是在整理这一次任务的输入。

长对话为什么会失去重点

一种情况是容量限制：应用可能拒绝过长请求、去掉部分历史，或把历史压缩成摘要。采用哪种方式，要看具体产品，不能假定所有聊天工具都只删除最早消息。

另一种情况是信息利用不稳定。即使资料放得进去，模型也可能漏看细节或混淆版本。关于长上下文的研究曾在特定模型和任务中观察到：相关信息所处的位置会影响表现。这提醒我们区分“容纳能力”和“有效利用”，不是说所有模型在所有任务中一定漏掉中间部分。

摘要同样存在取舍。把十页讨论压成几句话，可能保住结论，却丢失例外条件。因此重要金额、日期、否定条件或原文引用最好保留可回查来源，而不是完全依赖摘要。

怎样让复杂任务更容易接续

• 每完成一个阶段，整理“已确认事实、当前要求、待确认问题”。
• 换主题时另开对话；继续旧任务时带上必要背景，而不是只说“继续”。
• 删除无关重复材料，保留关键条件与出处。
• 对重要结果要求指出依据，再自己核对，不能只问“你记住了吗”。

窗口更大不是把材料无限堆进去的理由。真正需要一起比较的文件可以同时提供；只回答一个局部问题时，先挑出相关部分通常更容易检查。不要为了整理上下文上传敏感工作文档。

小练习：做一张交接便条

用下面的虚构情境练习，不需要真正聊很久，也不必购买更长上下文的服务。

请把这些信息整理成一张任务交接便条，分为目标、有效要求、已知事实、待确认问题。
目标：整理读书分享会介绍。
最终要求：面向第一次参加的人，三段文字，不承诺活动效果。
事实：线上举办，主题是整理读书笔记。
旧方案：五段介绍，已作废。
时间尚未确定，不要补写时间。

检查便条是否明确排除了旧方案、保留了“时间未定”。能把交接材料说清楚，比反复要求模型“记住所有内容”更可操作。