Context Window（上下文窗口）
先用一句话说清楚
Context Window（上下文窗口）是模型一次请求中能够处理的内容范围，包括指令、用户输入、历史对话、检索资料、工具结果和输出。
实战知识卡
| 维度 | 要点 |
|---|---|
| 项目里看什么 | 看上下文里放了哪些资料、哪些被压缩、哪些必须重新检索。 |
| 新手最该记住 | 上下文窗口（Context Window（上下文窗口））是有限资源，不能把所有资料都塞进去。 |
| 作品集证据 | 说明系统提示、用户输入、检索片段、历史摘要和工具结果如何取舍。 |
| 面试回答公式 | 先说上下文有限，再说用检索、摘要和优先级控制信息进入模型。 |
| 常见扣分点 | 认为上下文越长越好。 |
新手通俗解释
你可以把 Context Window（上下文窗口）理解成模型这次“能看到的桌面”。桌面上可以放任务说明、用户问题、历史聊天、知识库片段、工具返回结果等。桌面越大，能放的东西越多，但也更容易乱、成本更高、处理更慢。
AI Agent（人工智能体）项目不是把所有资料都塞进 Context Window（上下文窗口）。真正的工程能力是判断：这次任务到底需要哪些内容，哪些内容会干扰模型，哪些内容应该通过 RAG（检索增强生成）按需检索。
为什么智能体工程师岗位会问它
Context Window（上下文窗口）直接影响模型效果、成本、延迟和 RAG（检索增强生成）设计。面试官问它，通常是在看你是否理解“上下文管理”不是简单堆内容。
常见考察点：
| 考察点 | 面试官想确认 |
|---|---|
| 内容选择 | 哪些信息应该进入上下文，哪些不应该 |
| 历史压缩 | 多轮会话如何保留关键事实，丢弃无关内容 |
| RAG（检索增强生成）关系 | 上下文变大后是否还需要检索 |
| 成本控制 | Token（文本计量单位）越多，成本和延迟越高 |
| 失败定位 | 回答错误可能是上下文缺失或上下文污染 |
它在项目里到底怎么用
以客服 Agent（智能体）为例，Context Window（上下文窗口）可能包含：
| 内容 | 是否应该放入 | 原因 |
|---|---|---|
| 当前用户问题 | 必须 | 任务入口 |
| 系统规则 | 必须 | 定义安全和输出边界 |
| 最近关键对话 | 选择性放入 | 保留用户意图和补充信息 |
| 全部历史聊天 | 通常不应该 | 成本高、噪声大 |
| RAG（检索增强生成）命中片段 | 选择性放入 | 提供回答依据 |
| 工具返回结果 | 必须按需放入 | 提供业务事实 |
| 无关资料 | 不应该 | 会干扰判断 |
和记忆的区别
Context Window（上下文窗口）是模型本次请求能看到的内容；Memory（记忆）是系统长期保存或提取的用户偏好、历史事实和任务状态。记忆进入模型前，仍然要经过选择和过滤，不能无脑塞进上下文。
面试时可以说：上下文是本次推理现场，记忆是可被提取的长期信息；两者都要受权限和相关性约束。
常见误解
| 误解 | 为什么不对 | 正确理解 |
|---|---|---|
| 上下文越大越好 | 大上下文成本高、延迟高、噪声多 | 要做上下文选择 |
| 大上下文可以替代 RAG（检索增强生成） | 资料更新、权限和检索效率仍是问题 | 大上下文和 RAG（检索增强生成）可以配合 |
| 历史对话都要保留 | 大量历史会干扰当前任务 | 保留关键事实和当前目标 |
| 回答错一定是模型差 | 可能是上下文缺证据或有错误资料 | 要看 Trace ID（追踪编号）和输入内容 |
面试官可能怎么追问
1. Context Window（上下文窗口）变大后，还需要 RAG（检索增强生成）吗？
考察点： 是否理解两者边界。
参考回答： 仍然需要。大上下文能放更多内容，但不能解决资料更新、权限过滤、检索效率、引用定位和成本控制问题。RAG（检索增强生成）负责按需找到相关证据，再把必要片段放进上下文，两者是互补关系。
容易扣分： 说“上下文足够大就不用知识库了”。
2. 多轮对话怎么管理上下文？
考察点： 是否理解会话状态。
参考回答： 我会保留当前任务目标、用户已确认信息、关键工具结果、未完成步骤和风险状态；对历史闲聊、重复信息和过期内容做摘要或丢弃。需要长期保存的内容进入 Memory（记忆）或业务状态，但进入模型前仍要筛选。
容易扣分： 全量拼接历史对话。
3. 上下文污染是什么？
考察点： 是否能定位模型错误。
参考回答： 上下文污染是指无关、过期、错误或权限不匹配的信息进入模型输入，影响模型判断。比如把旧政策片段和新政策片段一起放进去，模型可能混合生成错误答案。处理方式是做资料版本控制、相关性过滤、权限过滤和引用检查。
容易扣分： 只关注“内容不够”，不关注“内容太乱”。
作品集里怎么展示它
可以在作品集里展示一个“上下文构成面板”：
- 当前用户问题。
- 进入上下文的知识库片段和 Citation（引用来源）。
- 进入上下文的工具结果。
- 被丢弃或压缩的历史信息。
- Token（文本计量单位）预算、成本和延迟。
这能证明你理解 AI Agent（人工智能体）不是无限聊天，而是受控地组织信息。