AI-prompt engineering · leksjon

Kontekstens lengde og relevans

Balanser omfattende kontekst med tokenbegrensninger og relevans.

Leksjon 4 av 413 trinn

Kontekstens lengde og relevans er en gratis leksjon i AI-prompt engineering på CoddyKit. Dette er leksjon 4 av 4. Du kan lese valgfritt 3 leksjoner fra denne læringsstien gratis i sin helhet – deretter låser CoddyKit PRO opp alle leksjoner, samt praktisk øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i AI-prompt engineering, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i AI-prompt engineering inneholder totalt 4 leksjoner.

Kontekstvinduets budsjett

Alle modeller har et maksimalt kontekstvindu – det totale antallet tokens de kan behandle i ett API-kall. Dette omfatter både input (prompten din + historikken) og output (modellens svar).

Det er avgjørende å forstå dette budsjettet: Hvis du overskrider det, blir prompten avkortet eller du mister deler av resultatet. Hvis du sløser det bort på irrelevant kontekst, får modellen mindre plass til å resonnere om det som betyr noe.

Størrelser på kontekstvindu

Ulike modeller har ulike grenser for kontekstvinduet. Per 2025:

  • GPT-4o: 128 000 tokens
  • Claude Opus 4.5: 200 000 tokens
  • Gemini 1.5 Pro: 1 000 000 tokens
  • GPT-3.5 Turbo: 16 385 tokens

Større vinduer lar deg ta med mer kontekst, men koster mer per kall. For de fleste oppgaver er 8 000–16 000 tokens tilstrekkelig. Større er ikke alltid bedre hvis det betyr at du tar med irrelevant innhold.

import tiktoken

def estimate_tokens(text, model='gpt-4o'):
    encoding = tiktoken.encoding_for_model(model)
    return len(encoding.encode(text))

# Quick token budget calculator
models = {
    'GPT-3.5 Turbo':  16385,
    'GPT-4o':        128000,
    'Claude Opus 4.5': 200000,
}

prompt = 'Explain the concept of technical debt in 500 words for a non-technical CEO.'
prompt_tokens = estimate_tokens(prompt)

for model_name, limit in models.items():
    reserved_for_output = 1024
    available = limit - prompt_tokens - reserved_for_output
    print(f'{model_name}: limit={limit:,} | prompt={prompt_tokens} | '
          f'context budget={available:,} tokens')

Hva bør tas med: relevansvurdering

Før du tar med en kontekstdel, bør du spørre: Endrer denne informasjonen svaret?

En enkel mental modell – gi hvert kontekstelement en poengsum:

  • Høy relevans (ta med): påvirker oppgaven direkte, former ordforrådet eller begrenser alternativene
  • Middels relevans (kanskje): gir nyttig bakgrunn, men resultatet ville vært godt nok uten den
  • Lav relevans (utelat): er riktig, men påvirker ikke svaret på noen måte
def score_context_element(element, task):
    '''
    Heuristic: does this context element directly constrain or shape the answer?
    Returns: HIGH / MEDIUM / LOW
    '''
    high_signals = ['stack', 'constraint', 'deadline', 'must', 'cannot', 'budget',
                    'audience', 'goal', 'version', 'scale', 'limit']
    low_signals  = ['founded', 'headquartered', 'fun fact', 'history', 'awards',
                    'team building', 'company culture', 'office location']

    el_lower = element.lower()
    if any(s in el_lower for s in high_signals):
        return 'HIGH'
    if any(s in el_lower for s in low_signals):
        return 'LOW'
    return 'MEDIUM'

context_elements = [
    'Our stack is Python FastAPI and PostgreSQL',
    'We cannot use any paid third-party APIs',
    'Our company was founded in Berlin in 2020',
    'We need the solution to handle 1000 requests/second',
    'We won a startup award last year',
]

for el in context_elements:
    score = score_context_element(el, task='optimize our API')
    print(f'[{score:6}] {el}')

Problemet med informasjon i midten

Forskning har vist at LLM-er legger mindre merke til informasjon som er plassert i midten av svært lange prompt. Kritisk kontekst som plasseres midt i en prompt på 50 000 tokens, kan bli delvis ignorert.

Beste praksis er å plassere den viktigste konteksten i begynnelsen eller slutten av prompten – modellen følger disse plasseringene tettest.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

# Structure: critical constraint at the TOP, then the body, then the task
well_structured_prompt = (
    # Critical constraint FIRST
    'CRITICAL CONSTRAINT: Output must be under 50 words and contain no code.\n\n'
    # Background in the middle
    'Background: we are explaining our API rate limiting policy to non-technical support agents. '
    'They handle billing inquiries and need to explain errors to customers. '
    'Our rate limit is 100 requests per minute per API key.\n\n'
    # Task at the end
    'Task: Write the explanation.'
)

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=128,
    messages=[{'role': 'user', 'content': well_structured_prompt}]
)
print(response.content[0].text)

Dele opp lange dokumenter

Når du må arbeide med et dokument som er lengre enn tokenbudsjettet ditt, har du tre alternativer:

  • Oppsummer først: be modellen komprimere dokumentet, og arbeid deretter med sammendraget
  • Del opp og behandle: del dokumentet i mindre deler, behandle hver del, og kombiner deretter resultatene
  • Trekk ut og sett inn: hent ut bare de relevante delene før du tar dem med i prompten

Forsøk aldri å presse inn et dokument som overskrider kontekstvinduet – det blir avkortet uten at du nødvendigvis får vite det.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

def chunk_and_summarize(long_text, chunk_size=2000):
    '''Split text into chunks, summarize each, combine summaries.'''
    words = long_text.split()
    chunks = []
    for i in range(0, len(words), chunk_size):
        chunk = ' '.join(words[i:i + chunk_size])
        chunks.append(chunk)

    summaries = []
    for idx, chunk in enumerate(chunks):
        response = client.messages.create(
            model='claude-opus-4-5',
            max_tokens=256,
            messages=[{
                'role': 'user',
                'content': f'Summarize this section in 3 bullet points:\n\n{chunk}'
            }]
        )
        summaries.append(f'Section {idx+1}:\n{response.content[0].text}')

    return '\n\n'.join(summaries)

# Example usage
long_doc = 'word ' * 5000  # placeholder for a real document
print('Chunks needed:', len(long_doc.split()) // 2000 + 1)

Relevansfiltrering i praksis

Relevansfiltrering innebærer å hente ut bare de relevante delene av et stort dokument før du tar dem med i en prompt. Dette er spesielt viktig for:

  • lange rapporter der bare én seksjon er relevant
  • kodefiler der bare én funksjon skal gjennomgås
  • e-posttråder der bare de tre siste meldingene har betydning
  • databaseskjemaer der bare 2 av 50 tabeller er relevante
import openai

client = openai.OpenAI(api_key='sk-your-key-here')

# Step 1: Filter first, then ask
full_schema = (
    'Table: users (id, name, email, created_at, role)\n'
    'Table: products (id, name, price, stock, category_id)\n'
    'Table: orders (id, user_id, total, status, created_at)\n'
    'Table: order_items (id, order_id, product_id, quantity, unit_price)\n'
    'Table: categories (id, name, parent_id)\n'
    'Table: reviews (id, product_id, user_id, rating, body)\n'
    'Table: sessions (id, user_id, token, expires_at)'
)

# Only include relevant tables for the specific question
relevant_context = (
    'Relevant tables for this query:\n'
    'Table: orders (id, user_id, total, status, created_at)\n'
    'Table: order_items (id, order_id, product_id, quantity, unit_price)\n'
)

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': f'{relevant_context}\nWrite SQL to find the top 5 orders by total value this month.'
    }]
)
print(response.choices[0].message.content)

Håndtere samtalehistorikk

I samtaler med flere meldingsrunder vokser historikken for hver runde. Ved å håndtere den på en smart måte holder du tokenbudsjettet under kontroll:

  • Glidende vindu: behold bare de siste N rundene
  • Injisering av sammendrag: oppsummer eldre runder med jevne mellomrom til én melding
  • Uttrekking av nøkkelfakta: før viktige beslutninger i en punktliste, og sett den inn som systemkontekst
  • Tilbakestill ved bytte av tema: start en ny økt når du går over til et urelatert tema
import openai

client = openai.OpenAI(api_key='sk-your-key-here')

def summarize_history(old_history):
    '''Compress old conversation turns into a brief summary.'''
    history_text = '\n'.join(
        f'{m["role"].upper()}: {m["content"]}' for m in old_history
    )
    response = client.chat.completions.create(
        model='gpt-4o',
        max_tokens=200,
        messages=[{
            'role': 'user',
            'content': (
                'Summarize this conversation history in 3 bullet points. '
                'Focus on decisions made and key information established.\n\n'
                + history_text
            )
        }]
    )
    return response.choices[0].message.content

# Example: compressing old history before continuing
old_turns = [
    {'role': 'user',      'content': 'We are building a Kanban app.'},
    {'role': 'assistant', 'content': 'Great, what is your stack?'},
    {'role': 'user',      'content': 'React + FastAPI + PostgreSQL.'},
    {'role': 'assistant', 'content': 'Good choice for a Kanban app.'}
]
summary = summarize_history(old_turns)
print('Summary of old history:', summary)

Teknikker for komprimering av kontekst

Når du må ta med mye kontekst, men tokenbudsjettet er begrenset, kan du bruke komprimeringsteknikker:

  • Punktliste fremfor løpende tekst: punktlister er 30–50 % mer token-effektive enn setninger
  • Forkort kjente termer: «PostgreSQL 15» → «PG15» etter første gangs bruk
  • Fjern fyllfraser: «Det er verdt å merke seg at …» → oppgi bare faktaet
  • Bruk strukturerte formater: nøkkel:verdi-par er tettere enn setninger
import tiktoken

def count_tokens(text):
    enc = tiktoken.encoding_for_model('gpt-4o')
    return len(enc.encode(text))

# Same information, different token counts
prose_context = (
    'Our company is a startup that was founded recently and we are building '
    'a data analytics platform. It is worth noting that we use Python for our backend. '
    'Additionally, we have chosen PostgreSQL as our primary database. '
    'Furthermore, we deploy on AWS using ECS containers.'
)

bullet_context = (
    'Company: data analytics startup\n'
    'Stack: Python backend, PostgreSQL, AWS ECS'
)

print('Prose context tokens: ', count_tokens(prose_context))
print('Bullet context tokens:', count_tokens(bullet_context))
print('Tokens saved:', count_tokens(prose_context) - count_tokens(bullet_context))
print('Same information? Yes — same facts, 60% fewer tokens')

Dynamisk valg av kontekst

I AI-applikasjoner i produksjon velges kontekst ofte dynamisk ut fra hva som er mest relevant for den aktuelle spørringen. Dette kalles Retrieval-Augmented Generation (RAG).

I stedet for å ta med alle dokumentene henter du bare de som er semantisk mest lik brukerens spørsmål, og setter dem inn i prompten. På den måten holder du konteksten kort og svært relevant.

# Simplified RAG pattern: retrieve relevant chunks, inject into prompt
import openai

client = openai.OpenAI(api_key='sk-your-key-here')

# Simulated knowledge base (in production: vector database)
knowledge_base = [
    {'id': 1, 'topic': 'billing',   'text': 'Refunds are processed within 5-7 business days.'},
    {'id': 2, 'topic': 'shipping',  'text': 'Standard shipping takes 3-5 days.'},
    {'id': 3, 'topic': 'returns',   'text': 'Returns accepted within 30 days with receipt.'},
    {'id': 4, 'topic': 'warranty',  'text': 'All products come with a 1-year warranty.'},
]

def get_relevant_docs(user_query, kb, top_k=2):
    '''Simplified relevance: keyword match. Production uses embeddings.'''
    scored = [(doc, sum(w in user_query.lower() for w in doc['topic'].split())) for doc in kb]
    scored.sort(key=lambda x: x[1], reverse=True)
    return [doc['text'] for doc, _ in scored[:top_k]]

query = 'Can I return this and get my money back?'
relevant = get_relevant_docs(query, knowledge_base)
context = '\n'.join(relevant)
print('Injected context:', context)
response = client.chat.completions.create(
    model='gpt-4o', max_tokens=80,
    messages=[{'role': 'user', 'content': f'Context:\n{context}\n\nQuestion: {query}'}]
)
print('Answer:', response.choices[0].message.content.strip())

Planlegging av kontekstbudsjettet

For applikasjoner i produksjon bør du planlegge kontekstbudsjettet uttrykkelig før du begynner å bygge:

  • Reserver 25 % av kontekstvinduet til output
  • Sett av 10 % til systemmelding og persona
  • Sett av 30 % til den nyeste samtalehistorikken
  • La 35 % stå åpent for dynamisk kontekst (hentede dokumenter og innsatte data)

Dokumenter disse fordelingene som konstanter i koden, slik at de er enkle å justere etter hvert som bruksområdet utvikler seg.

# Context budget planner
MODEL_LIMIT = 128000  # GPT-4o

BUDGET = {
    'output_reserve':  int(MODEL_LIMIT * 0.25),  # 32,000 tokens
    'system_message':  int(MODEL_LIMIT * 0.05),  # 6,400 tokens
    'recent_history':  int(MODEL_LIMIT * 0.30),  # 38,400 tokens
    'dynamic_context': int(MODEL_LIMIT * 0.35),  # 44,800 tokens
    'task_prompt':     int(MODEL_LIMIT * 0.05),  # 6,400 tokens
}

total_input = sum(v for k, v in BUDGET.items() if k != 'output_reserve')
print('Context budget plan:')
for key, tokens in BUDGET.items():
    pct = round(tokens / MODEL_LIMIT * 100)
    print(f'  {key:<20}: {tokens:>7,} tokens ({pct}%)')
print(f'  {"total input":<20}: {total_input:>7,} tokens')
print(f'  {"+ output reserve":<20}: {BUDGET["output_reserve"]:>7,} tokens')
print(f'  {"= model limit":<20}: {MODEL_LIMIT:>7,} tokens')

Når relevans er viktigere enn lengde

En svært relevant kontekst på 500 tokens gir bedre resultater enn en løst relevant kontekst på 5 000 tokens. Modellen produserer bedre resultater når den har mindre å arbeide seg gjennom.

Tegn på at konteksten din er for lang og lite fokusert:

  • Modellen ignorerer noen av begrensningene dine
  • Resultatet virker generisk til tross for den lange konteksten
  • Modellen svarer på feil del av spørsmålet ditt
  • Forsinkelsen og kostnadene er høyere enn forventet

Når du ser disse tegnene: kort ned konteksten og kjør på nytt.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

# Demonstrating: lean context produces sharper output
lean_context = (
    'Task: write a 50-word product tagline.\n'
    'Product: CLI tool that auto-generates Git commit messages from your diff.\n'
    'Audience: senior developers who hate writing commit messages.\n'
    'Tone: dry, witty, technical.'
)

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=100,
    messages=[{'role': 'user', 'content': lean_context}]
)
print('Lean context output:')
print(response.content[0].text.strip())

Kunnskapstest

En utvikler bygger en chatbot med en samtalehistorikk på 20 runder. Etter 20 runder begynner kontekstvinduet å bli fullt. Hva er den BESTE strategien for å fortsette samtalen uten å miste viktig kontekst?

Kontekstlengde og relevans – oppsummering

Effektiv håndtering av kontekst er en grunnleggende prompt-ferdighet som blir avgjørende i applikasjoner i produksjon. Viktige prinsipper:

  • Vurder hvert kontekstelement: høy / middels / lav relevans – ta bare med elementer med høy relevans
  • Plasser kritiske begrensninger i begynnelsen eller slutten, ikke i midten
  • Bruk punktlister fremfor løpende tekst for å spare 30–50 % tokens
  • Oppsummer eller del opp dokumenter som overskrider budsjettet
  • I samtaler med flere meldingsrunder bør du komprimere gammel historikk i stedet for å starte på nytt
  • Planlegg kontekstbudsjettet uttrykkelig som konstanter i koden
Gratis å komme i gang

Lær deg AI-prompt engineering med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs
53
Leksjoner
199

Ofte stilte spørsmål

Er leksjonen «Kontekstens lengde og relevans» gratis?

Ja – du kan lese valgfritt 3 av leksjonene i læringsstien AI-prompt engineering, inkludert «Kontekstens lengde og relevans», gratis i sin helhet her på nettet. Deretter låser CoddyKit PRO opp alle leksjoner, samt interaktiv øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Kurset i AI-prompt engineering inneholder totalt 4 leksjoner.

Hva lærer jeg i «Kontekstens lengde og relevans»?

Balanser omfattende kontekst med tokenbegrensninger og relevans. Du øver på AI-prompt engineering med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med AI-prompt engineering?

Ingen tidligere erfaring er nødvendig. AI-prompt engineering på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 4 av 4.

Hvor lang tid tar leksjonen «Kontekstens lengde og relevans»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne AI-prompt engineering-leksjonen?

Ja. Alle AI-prompt engineering-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

  1. Hva kontekst betyr i AI-ledetekster
  2. Oppgi bakgrunnsinformasjon
  3. Sette scenen effektivt
  4. Kontekstens lengde og relevans
← Tilbake til AI-prompt engineering