上下文窗口（Context Window）

一句话理解

AI 的工作记忆容量——一次对话里它能同时“放在桌上”的内容上限，超了就会把最早的材料挪走。

定义

上下文窗口（Context Window）指模型一次能处理的文本长度上限，按 token 计，包括你发出的全部历史消息、系统指令和模型自己的回答。不同模型的窗口从几千到上百万 token 不等，差出几个数量级。

你会在哪遇到它

长对话聊着聊着，AI“忘了”你最开始提的要求；贴一份长文档让它总结，提示超出长度限制；想让它通读一本书再回答，得先看窗口够不够大。你感受到的“AI 记不记得三小时前说过的话”，很大程度就取决于窗口的大小。

背后的原理

模型每生成一个 token，都要回头“看”一遍之前的全部内容，这个回看范围就是窗口。它像一张固定大小的桌子：所有对话材料都摊在桌面上，桌子放满了，最早的材料就得被挪走——所以 AI 的“遗忘”不是真的忘了，而是桌面上放不下了。

和相近概念的区别

1 上下文窗口不等于长期记忆：关掉对话它什么都不记得，窗口再大也一样；有些产品的“记忆”功能是把要点另外存档，属于窗口之外的东西。 2 窗口大小不等于智力：窗口大只说明一次读得多，不代表答得更准。 3 上下文不等于知识：模型训练时学的知识在参数里，窗口里的内容是这一次对话临时给你的材料。

常见误区

1 在窗口内就一定都记得——材料太多时注意力会被稀释，位于中间的内容容易被忽略，重要信息尽量放开头或结尾。 2 新开一个对话还能接着聊——不能，窗口随对话重新开始。 3 窗口大就随便塞——超大窗口又贵又慢，内容太多时回答质量反而下降。