Context Window（上下文窗口）

概述

上下文窗口（Context Window）是大型语言模型能够一次处理的 token 数量上限，决定了模型可以"记住"和利用的信息量。它包括整个对话历史、模型读取的每个文件和每个命令输出。上下文窗口的大小直接影响模型处理长文档、进行复杂分析和维持长对话的能力。Anthropic 从最初 Claude 的 9K tokens 大幅扩展到 200K tokens（Projects 功能），再到 Opus 4.6 的 1M tokens（Beta），不断提升模型的信息处理能力。

关键信息

发展历程

• 2023 年 5 月：从 9K 扩展到 100K tokens（约 75,000 字），可在不到一分钟内处理相当于人类 5+ 小时的阅读量
• 2024 年 6 月：Projects 功能提供 200K 上下文窗口（相当于 500 页书籍）
• 2026 年：Claude Opus 4.6 首次在 Opus 级模型上实现 1M token 上下文窗口（Beta）

性能影响

• 上下文填满时性能下降：当上下文窗口接近满载时，模型可能开始"遗忘"早期指令或犯更多错误
• 位置效应：文档开头和中间的信息召回通常优于末尾（尤其在长上下文场景中）
• Opus 4.6 突破：在 8-needle 1M 变体的 MRCR v2 测试中，Opus 4.6 得分 76%，而 Sonnet 4.5 仅 18.5%

长上下文 Q&A 最佳实践

• 使用 scratchpad：让 Claude 在回答前先提取相关引用
• 提供上下文示例：来自同一文档的正确回答示例比通用示例更有效
• 更多示例更好：5 个示例优于 2 个
• 指令放在提示末尾：最大化指令的召回率
• 避免模糊引用：明确指定相关段落而非使用"本文档"等模糊表述

上下文管理策略（Claude Code 中）

• 在不相关任务之间频繁使用 /clear 重置上下文
• 自动压缩功能在接近上下文限制时触发
• 使用 /compact <instructions> 自定义压缩行为
• 使用子代理进行调查，保持主对话上下文清洁

使用场景

• 消化、总结和解释密集文档（财务报表、研究论文）
• 基于年报分析公司的战略风险和机会
• 阅读数百页开发者文档并回答技术问题
• 将整个代码库放入上下文进行快速原型开发
• 分析约 6 小时的音频转录内容

相关概念

• Prompt-Engineering
• Extended-Thinking
• Agentic-Coding
• SWE-bench