上下文窗口

模型单次能同时「看到」的文本总量上限，含系统指令、历史对话和本轮输入，超出部分会被截断。

它决定了你能不能一次丢进整本手册，也决定了长对话会不会被裁掉开头、让模型「忘记」你早先定下的约束。

像一张大小有限的办公桌：同时摊开的资料越少，摆在上面的每一份就越值得反复细看；桌面满了，只能先收拾走一部分。

把一份 300 页的合同丢进 NotebookLM 再反复追问条款，是典型的长上下文用法；而在普通聊天界面贴满 20 轮对话后，模型开始忽略开头约束，多半就是撞上了窗口上限。

• 误解：窗口越大就记得越牢。 事实：容量指的是装得下，并不等于每处都被认真读取，中段内容被忽略的情况仍会出现。

• 误解：窗口用完对话就永久消失了。 事实：多数产品会裁掉最旧的内容并保留摘要，重开对话把关键信息重讲一遍即可。

• 误解：上传文件等于全文逐字读过了。 事实：文件通常会被切分后按需检索或直接截取，关键内容最好自己写进正文。

• 误解：有了长上下文就不需要检索。 事实：整本手册硬塞进去既贵又慢，按需检索几段通常效果更好、成本更低。

• Token模型切分文本后的最小计量单位，介于字符与词之间；长度、计费和响应开销都按它算。
• 提示词你交给模型的任务说明，包含角色、任务、材料和输出格式，直接决定结果质量的上限。
• 检索增强生成先把你的资料切成片段建索引，提问时先检索出相关段落，再连同问题一起交给模型作答的方案。
• 模型上下文协议让不同 AI 应用以统一方式连接数据库、文件与外部工具的协议，把「怎么接」变成通用接口。
• Agent 智能体让模型不止给建议，而是自己拆解目标、规划步骤、调用工具、执行任务并检查结果的自动化系统。