上下文 Context
也叫：上下文窗口、上下文长度
AI 这一轮能"看到"的全部内容：你说过的话、它的回答、你给的文件。它就像 AI 的工作台，台面有大小；聊得太长，最早的内容就会掉下去。
先知道：Token
“聊着聊着，AI 把我开头说的要求给忘了。”
为什么聊着聊着，AI 就忘了我前面说过的话？
AI 本身没有记忆：每回答一句，都要把前面的聊天记录从头再读一遍。工作台有上限，聊得太长，最早的内容就被挤掉了；就算没挤掉，内容一多它也更容易抓不住重点。换任务就开新对话；同一件事聊太久，写一张交接卡带过去。
网上说某个模型支持"100 万上下文"，是什么意思？
意思是它的工作台一次最多能摊开约 100 万个 Token 的内容，够放好几本书。台面大是好事，但东西放得越多，读得越慢、越贵，也更容易漏看细节。能放下，不等于该全放。
像你的办公桌台面：一次能摊开的资料就这么多。新文件不停往上放，最早那几张就被挤到地上了。它只看得见台面上的东西。
本页有 7 节，点开跳到任意一节
对话越长，每问一句越贵，还越容易忘
示意：每轮按"问 60 + 答 400 个 Token"、工作台上限 3,000 个 Token 计算。真实模型的上限大得多，但道理一样。
"记忆"和上下文是两回事。有的 App 能"记住你喜欢简洁的风格"，是 App 把这些信息记在一个小本子上，每次对话开头悄悄塞进上下文里给它看；模型本身并没有记住你。
它这一轮能看到的，都算上下文
不在上下文里的，它就看不到：另一个对话里说过的事、你电脑里没上传的文件、公司里没给它的资料。
用的时候要注意
台面堆满了，读得慢、花得多，还更容易漏看关键的那几句。先挑相关的部分给它；最要紧的要求，单独再说一遍。
不一定。很多产品给"回答"单独设了长度上限，输入和输出的上限是分开算的。断了就说一句"接着写"，或者让它分几段写。
新对话的工作台是空的，昨天那个对话里的内容它看不到。要接着干，把要点写成交接卡贴进来。
交接卡只记进度，代替不了原始资料：关键数字、原文、合同要另外存好。
这样跟 AI 说
这个对话聊得太长了，我想换个新对话接着做。请帮我写一张交接卡，只写这六样：目标、已确定的事（只写最新的决定）、约束、已有产出、没解决的问题、下一步。已经被推翻的旧决定不要写进去。写完再对照一遍我们的对话，确认没有漏掉还算数的决定，也没有混进已经被推翻的。
考考你
AI 说："我记得你上次说过，喜欢简洁一点的风格。"它为什么能记得？
接下来学什么
- 1入门必懂 · 下一个（第 4 / 20 个）提示词你交给 AI 的"任务单"：要它做什么、给谁看、做成什么样。
- 2交接卡对话聊太长、AI 开始忘事时，让它写一张交接卡，带到新对话里接着干。
- 3智能体会自己规划步骤、调用工具，把一件事从头做到尾的 AI。
‹ 上一个：Token · 入门必懂第 3 / 20 个
哪些词链接了我：大模型、Token、提示词、联网搜索、知识截止日期、智能体、MCP、Skill……共 10 个