提示词、上下文、Token 和记忆，决定了 AI 这次能参考什么。
提示词（Prompt）就是提供给 AI 的指令、问题或任务说明。你平时输入的一句话，也可以是提示词。
任务目标、相关背景、限制条件和希望得到的结果形式，都可以写进提示词。它的作用是把你的意图表达清楚。
没有适用于所有任务的固定格式。日常语言就可以表达任务；当要求较多时，分段列清楚会更容易理解。
不是。长度不是目的，相关、清晰、没有冲突才更重要。无关内容和重复要求可能干扰任务。
角色说明主要帮助 AI 调整回答角度、用词和组织方式。
上下文（Context）是模型在当前任务中能参考的信息，包括指令、部分对话记录、提供的资料，以及工具返回的内容等。
提示词也是上下文的一部分。模型要理解“它”“刚才那个要求”等说法，需要相应的信息确实出现在可用的上下文中。
你给出一个规则或例子，模型可能马上照着做，这常被称为“上下文学习”：它在利用本次信息临时适应任务，通常不涉及修改权重。
如果前文提供了对应内容，模型就可以结合前文判断。“它”有多个可能指向，或者相关内容没有提供时，模型就可能理解错。
产品会组织实际发送给模型的信息。长对话可能经过截取或总结，所以模型当前参考的是产品提供的那部分内容。
优先提供与任务相关的资料，并明确指出重要信息。内容较多时，可以按主题整理，帮助模型找到当前需要的部分。
同一个任务需要延续背景时，继续聊比较方便。开始独立任务，或者旧对话已有大量无关要求时，开新对话更容易保持上下文清楚。需要继承的重要背景，可以整理后带到新对话中。
因为两次的上下文不同。旧对话中的要求、材料、例子和之前的回答，都可能影响后续结果。新对话还可能使用产品保存的记忆，所以也不能默认它一定完全没有背景。
这通常属于上下文学习：它利用当前例子临时适应任务，权重通常保持不变。换到新对话时，可以把需要的例子一并带过去。
它会根据你提供的纠正信息调整当前回答。想让它改得更准确，可以说明哪里错了，以及应该按什么依据修改。
Token 是模型处理信息时使用的单位。对于文字，它可能是一部分单词、一个字、标点或其他片段，不等同于字数。
上下文窗口是模型一次能容纳的信息范围，通常用 Token 数表示。输入、历史对话和输出都会受到相关长度限制，具体计算方式因模型和产品而异。
长对话超过可用范围时，产品可能省略旧内容、生成摘要，或选取部分相关信息。
不是。不同语言、内容和模型使用的切分方式不同，Token 与字数没有固定的一比一关系。图像、声音等内容也可能折算为相应的信息额度。
上下文窗口越大，一次能容纳的信息越多。跨对话保存信息则由记忆功能负责。
可能碰到了输出长度、上下文窗口或产品自身的限制，也可能有其他原因。上下文窗口和单次输出上限并不是同一个限制。
相关内容可能已被省略，也可能出现遗漏或要求冲突。可以把重要条件整理成一段简短说明，在关键步骤重新提供。
常见大模型不会因为刚才和你聊过，就自动永久记住这段交流。它能接着聊，通常是因为系统让它再次参考了前面的内容。
一些 AI 产品会保存用户偏好或其他信息，并在之后的任务中再次提供给模型。这类功能常被称为“记忆”。
上下文描述这次能参考什么；记忆功能则涉及哪些信息被保存，并在以后重新使用。两者有关联，但不是同一件事。
要看产品是否提供跨对话记忆、功能是否开启，以及实际保存了什么。不要假设新对话会自动带上全部历史内容。
不代表。历史记录可供你查看，不等于每次回答都会自动读取所有旧对话。
记忆通常由产品保存和调取信息，再把相关内容加入上下文；训练则会调整模型本身。保存你的偏好，通常不需要重新训练模型。
系统会让模型参考必要的前情。实现时可以使用对话记录、缓存、摘要或筛选后的片段，产品负责组织这些信息。
提示词表达任务，上下文提供背景和依据。Token 用来计量信息，上下文窗口限制一次可容纳的范围。记忆功能可以保存信息，并在以后的任务中重新提供给模型。