对话越长越贵、越长越笨
费用递增 + 注意力衰减 + 窗口有限，三个必须管理上下文的理由
本页解决的问题
先给结论「对话越长越贵、越长越笨」要解决的关键问题是什么？
费用递增 + 注意力衰减 + 窗口有限，三个必须管理上下文的理由
让这个结论先证明自己值得留下。 把这一页当成决策工具，而不是需要背下来的定义。把概念连到一个真实任务、一个可观察结果，以及一个能改变你判断的失败上。
写下一个问题：试完这个方法后，你能用什么证据回答它？
结论听起来很完整，却没有检查最关键的假设。
越长越贵
每轮都要重发全部历史，token 消耗逐轮递增，费用像滚雪球
越长越笨
注意力两头热、中间冷，中间的信息最容易被忽略
越长越危险
上下文窗口有上限，满了之后最早的信息被直接丢弃
「越长越贵」如何改变一次回答
「费用递增 + 注意力衰减 + 窗口有限，三个必须管理上下文的理由」说明，模型处理的不是我们眼中的“字数”，而是一段段 Token。Token 的切分方式会影响输入长度、上下文能放下多少内容，以及一次请求要花多少计算。
长度、信息量和上下文不是一回事
当「费用递增 + 注意力衰减 + 窗口有限，三个必须管理上下文的理由」变长时，先要分清三件事：文字被切成多少 Token、哪些内容真正参与当前判断、以及旧内容是否已经超出上下文窗口。删掉重复说明通常比单纯把窗口开得更大更有效。
先保留会改变判断的内容
可以用「费用递增 + 注意力衰减 + 窗口有限，三个必须管理上下文的理由」做一次对照：保留同样的问题，分别删掉重复背景、压缩格式和移除无关历史，比较答案质量、延迟与 Token 数量。
从「越长越贵」走到「越长越笨」
「越长越贵」先把问题落在「每轮都要重发全部历史，token 消耗逐轮递增，费用像滚雪球」上；到了「越长越笨」，讨论继续推进到「注意力两头热、中间冷，中间的信息最容易被忽略」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
处理长文本时，先保留会改变结论的内容，再决定如何压缩格式和历史；上下文更长只有在新增信息真正有用时才值得付出代价。
- 「越长越贵」：每轮都要重发全部历史，token 消耗逐轮递增，费用像滚雪球
- 「越长越笨」：注意力两头热、中间冷，中间的信息最容易被忽略
- 「越长越危险」：上下文窗口有上限，满了之后最早的信息被直接丢弃 对话不是免费的流水账：越长越贵、越长越笨、越长越危险。 上下文管理是 AI 产品的基本功，没有可选的余地
最后的「越长越危险」把讨论落到「上下文窗口有上限，满了之后最早的信息被直接丢弃 对话不是免费的流水账：越长越贵、越长越笨、越长越危险。 上下文管理是 AI 产品的基本功，没有可选的余地」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是，知道下一步要观察什么。
读完以后我先回头找它成立的条件，而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里，最先需要补的约束是什么？我想知道从阅读到第一次实践之间，哪一步最值得先做。
还没有这篇文章的讨论。