上下文 Context 是什么？

你和同事用的是同一个工具、同一个模型，他产出的东西就是更准、更贴合。差别经常不在提示词写得多漂亮，而在于他给模型看到的东西不一样。

这个「能看到的东西」，就是这一篇要讲的上下文（Context）。

它是本站第 4 段（让 AI 高效工作）的核心概念，也是你以后遇到这些问题时的解释：

• 聊到一半它开始忘记前面说过的
• 明明发过的文件，它说没看到
• 对话越长它越啰嗦、越跑题
• 工具突然提示「上下文已满，正在压缩」

这一篇只讲清楚它是什么、装了什么、有多大。怎么管好它是 4.2 的主题。

Anthropic 的官方文档给的定义很直接：

上下文窗口指的是模型在生成回答时可以参考的全部文字，包括它自己生成的这段回答。这不同于它训练时读过的海量数据，而更像是模型的**「工作记忆」**。

拆成两句人话：

1. 它是这一次的工作台，不是它的知识库。训练时学到的东西存在模型里（上一篇讲的知识截止），上下文是你这一次临时摆上去给它看的材料。
2. 它有额度上限，单位是 token（2.6 专门讲这个单位）。超了就装不下。

很多人以为「我上传过这份文件，它就永远记得了」——不是的。文件的内容是在这一次请求里被塞进上下文给它看的，请求结束就没了；下次要用，工具会再塞一次。

一句话：上下文 = 它这一次的可见范围。 你没放进去的东西，它就是看不见。

官方文档写得很明确：请求里的一切都算进上下文——系统提示词、消息列表里的每一条（包括工具返回结果、图片、文档）、以及你提供的工具定义；模型这一轮生成的内容（包括它的思考过程）同样占额度。

落到你的日常使用，一次请求的上下文通常包含：

注意倒数第二行。在 agent 工具里，真正吃掉额度的往往不是你打的字，而是它自己读进来的东西：一次搜索返回几十条结果、一个文件几千行，全都进了上下文。

这解释了一个常见现象：你什么都没多说，但它「读了几个文件」之后就突然变慢、开始压缩了。

上下文窗口的大小按模型算，单位是 token（1 个中文字大约 0.6 个 token，2.6 会细讲）。

目前的大致水位（2026 年 8 月）：

100 万 token 是什么概念？一本《三体》全集大约 90 万字，也就是说理论上你可以把整套书塞进去让它读。

但这里有个陷阱：能装下 ≠ 用得好。下一步就讲这件事。

顺带一提：窗口大小是模型的属性，不是工具的。同一个 agent 工具接不同的模型，可用额度就不同——这也是选模型时要看的一项（2.6）。

官方文档里有一句话值得你记住：

更大的上下文窗口让模型能处理更复杂、更长的输入，但上下文不是越多越好。随着 token 数量增长，准确率和召回都会下降，这个现象叫做 context rot（上下文腐烂）。

翻译成使用体验就是：

• 你在第 3 轮说的关键要求，聊到第 40 轮它开始不遵守了
• 你贴了 10 份文档，它回答时抓的是最不相关的那一份
• 明明写在开头的约束，它中途就忘了

所以官方的结论是：「筛选放进上下文的内容」和「窗口有多大」同样重要。

这也是为什么本站第 4 段花整整一篇讲上下文管理（4.2）。核心思路就三条：

1. 该新开就新开：换了一个任务，就开新会话，不要在一个长对话里干十件事
2. 只给必要材料：不要「以防万一都贴上」
3. 长期信息写成文件：项目背景、你的偏好这些，写进项目约定文件里长期带上，而不是每轮重复

记住这句：上下文管理不是省钱技巧，是质量技巧。

额度用完，不同工具的表现不一样，常见的有三种：

① 直接报错。 走原始 API 的时候，输入超过窗口会返回「prompt is too long」这类错误。

② 自动压缩（compact）。 现在的 agent 工具普遍会在快满的时候，把前面的对话总结成一段摘要，用摘要替换原文继续聊。你会看到「compacting conversation」之类的提示。压缩之后细节会丢，这就是它「忘了刚才的细节」的真实原因。

③ 丢掉最早的内容。 一些聊天产品按「先进先出」滚动：新的进来，最早的出去。你不会收到任何提示，只会感觉它前面说过的忘了。

你该怎么应对：

• 看到工具提示压缩，就是一个信号：这个会话该收尾了。把当前结论落到文件里，然后新开一个
• 重要的约定不要只在对话里说，要写进文件（4.3 长期记忆）
• 一个会话只干一件事，干完就换

你以为的「AI 记性差」，多数时候其实是上下文被压缩或者被挤掉了。

上下文不是它的记忆，是你每次递给它的那叠材料。 递什么、递多少，决定它答得准不准。 接着看：这叠材料怎么计费和消耗，去 2.6 Token；怎么管好它，去 4.2 如何管理上下文；怎么让重要信息每次自动带上，去 4.3 长期记忆。