提示词上下文窗口

📚 深度解析：提示词上下文窗口

💡 常见使用场景

• 上下文占用=累计 token 数 / 模型上下文窗口长度(如 8k/32k/128k)。
• 多轮对话需扣除历史 token，超出窗口须裁剪或摘要压缩，否则被截断。
• 占用比越高越易触发截断与成本上升，长对话应定期清理低价值历史。

❓ 常见问题（FAQ）

为什么超出窗口会被截断？

模型注意力只能覆盖固定长度上下文，超出的前缀会被丢弃(或报错)。裁剪应保留最近对话与关键事实，避免丢失约束指令。

压缩历史会丢信息吗？

会。摘要压缩以语义概括替代原文，可能损失细节；权衡做法是保留最近 N 轮原文、更早的做摘要，关键参数始终置顶。