上下文窗口大小管理
按任务选合适模型/上下文大小，并用分块保持在限制内。
提示词工程进阶
为什么
GitHub 2024 调查发现 92% 的美国受访者用 AI 编程工具生成测试用例，73% 的开源受访者用 AI 工具编程或写文档。更大上下文成本更高且稀释注意力；更小上下文丢所需文件。
将上下文大小匹配任务复杂度并对大输入分块，保持质量并降成本。
何时使用
当任务因截断失败、成本飙升、或长输入质量下降时考虑上下文大小。 简单明确任务不必过度工程化提示词，一行指令足矣。
如何做
1. 估算输入 token（文件 + 历史 + 提示词）。
2. 选上下文够用且有余量（约 20%）的模型。
3. 对大文件分块：仅发相关函数/段落。
4. 继续前摘要旧对话。
5. 无关子任务用 /compact（Claude Code）或新会话。
示例
任务：跨 8 文件重构（约 4 万 token）。模型 A：32k 上下文（太小）。
选项：(a) 用 200k 模型；(b) 现发 4 文件，/compact 后再发 4。
选 (b) 省成本：按模块分块，每次后摘要。
常见问题
- ⚠错误：模型返回 "I cannot help with that" → 改写去除受限措辞；收窄范围并提供明确的允许示例。
- ⚠模型输出 JSON 解析错误 → 用 ```json 围栏包裹并在系统提示加 "仅返回合法 JSON"。
- ⚠错误：超出 token 限制（400 Bad Request） → 拆分提示、摘要前文或切换更大上下文模型。
最佳实践
- ✓大文件仅发相关块，非整文件。
- ✓无关子任务间压缩/摘要以释放上下文。
- ✓用具体指标衡量结果（节省时间、缺陷率、测试覆盖率），使实践可被论证和改进。
常见问题解答
什么是上下文窗口大小管理？
按任务选合适模型/上下文大小，并用分块保持在限制内。 它可帮助开发者快速理解 上下文窗口大小管理 的核心价值与适用场景。
如何开始使用上下文窗口大小管理？
开始使用 上下文窗口大小管理，建议先掌握以下要点：估算输入 token（文件 + 历史 + 提示词）。
上下文窗口大小管理 的常见误区有哪些？
使用 上下文窗口大小管理 时常遇到的问题包括：错误：模型返回 "I cannot help with that" → 改写去除受限措辞；收窄范围并提供明确的允许示例。；模型输出 JSON 解析错误 → 用 ```json 围栏包裹并在系统提示加 "仅返回合法 JSON"。；错误：超出 token 限制（400 Bad Request） → 拆分提示、摘要前文或切换更大上下文模型。。
上下文窗口大小管理 的最佳实践是什么？
上下文窗口大小管理 的最佳实践包括：大文件仅发相关块，非整文件。；无关子任务间压缩/摘要以释放上下文。；用具体指标衡量结果（节省时间、缺陷率、测试覆盖率），使实践可被论证和改进。。
如何深入学习上下文窗口大小管理？
从官方文档入手，再在 GitHub 上搜索真实示例；先在小实验仓库验证模式，再应用到生产代码。