上下文窗口 Context Window

上下文窗口是模型一次回答时能够同时参考的资料和回答内容的总量上限。它不是无限记忆：系统规则、当前问题、文件、聊天历史和准备生成的回答，都要共用这一轮空间。

• 内容越长，越接近窗口上限；最早的要求可能被裁掉，回答也可能在结尾被截断。
• 要给回答预留空间，不能把容量全部塞给输入材料。
• 接近上限时，可以摘要旧内容、裁剪无关材料，或把任务拆成多轮。

上下文窗口说的是这一轮能放下多少内容，不是 AI 拥有多少永久记忆。即使窗口很大，无关的旧讨论也会占空间、分散重点，还可能挤掉回答所需的预算。

• 窗口容量和 Token 计数有关，但窗口描述的是总预算，Token 是被计量的片段单位。
• 聊天记录仍然可见，不代表每条内容都被带进了当前请求。

真正重要的是保留当前规则、问题、关键证据和近期决定；过长时先摘要或拆分，不要只把更多历史继续贴上去。

拆开一次请求，可以看到总容量、已经放入的材料、给回答预留的空间，以及接近上限后采取的整理策略。它们共同决定模型这一轮能参考什么、还能输出多少。

• REQUEST CAPACITY 是这一轮可用的总预算。
• INPUT MATERIALS 是系统规则、问题、文件和历史等实际占用空间的内容。
• OUTPUT RESERVE 是留给模型生成回答的空间，不能被输入完全吃掉。
• TRIM + SPLIT 是接近上限后的处理方式：保留重点、压缩旧内容，或把剩余任务分到下一轮。

继续登录页修改前，请先按一次请求的上下文预算整理材料：保留系统规则、当前问题和 login.js，给回答预留 200 个示意 token；把早先被否定的配色讨论压成“按钮要大、配色不改”的摘要，剩余改动拆到下一轮。不要假设窗口可以无限接收，也不要把可见的全部聊天都原样带入。请支持键盘操作、暗色主题和 390px、320px 下不横向滚动。