Объём и релевантность контекста
Сочетайте полноту контекста с ограничениями на количество токенов и релевантностью
«Объём и релевантность контекста» — бесплатный урок AI Prompt Engineering на CoddyKit. Это урок 4 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения AI Prompt Engineering, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс AI Prompt Engineering содержит 4 уроков всего.
Бюджет контекстного окна
У каждой модели есть максимальный размер контекстного окна — общее количество токенов, которое она может обработать за один вызов программного интерфейса. Сюда входят и входные данные (ваш запрос и история диалога), и выходные данные (ответ модели).
Понимать этот бюджет крайне важно: его превышение означает, что ваш запрос будет обрезан или часть результата будет потеряна. Если тратить бюджет на не относящийся к делу контекст, у модели останется меньше места для рассуждений о действительно важном.
Размеры контекстного окна
У разных моделей разные ограничения контекста. По состоянию на 2025 год:
- GPT-4o: 128 000 токенов
- Claude Opus 4.5: 200 000 токенов
- Gemini 1.5 Pro: 1 000 000 токенов
- GPT-3.5 Turbo: 16 385 токенов
Большие окна позволяют включать больше контекста, но каждый вызов обходится дороже. Для большинства задач достаточно 8 000–16 000 токенов. Больший размер не всегда лучше, если из-за него приходится включать не относящееся к делу содержимое.
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')Что включать: оценка релевантности
Прежде чем включить какой-либо элемент контекста, спросите себя: изменит ли эта информация ответ?
Простая мысленная схема — оцените каждый элемент контекста:
- Высокая релевантность (включить): напрямую влияет на задачу, определяет словарь, ограничивает варианты
- Средняя релевантность (возможно, включить): добавляет полезные подробности, но результат был бы OK и без них
- Низкая релевантность (исключить): информация верна, но никак не влияет на ответ
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}')Проблема потери информации в середине
Исследования показали, что большие языковые модели уделяют меньше внимания информации, размещённой в середине очень длинных запросов. Важный контекст, помещённый в середину запроса объёмом 50 000 токенов, может быть частично проигнорирован.
Рекомендуемый подход: размещайте наиболее важный контекст в начале или конце запроса — этим позициям модель уделяет больше всего внимания.
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)Разбиение длинных документов на фрагменты
Если вам нужно работать с документом, который превышает ваш бюджет токенов, есть три варианта:
- Сначала обобщить: попросить модель сжать документ, а затем работать с его кратким изложением
- Разделить и обработать: разбить документ на части, обработать каждую, а затем объединить результаты
- Извлечь и вставить: извлечь только релевантные разделы перед добавлением их в запрос
Никогда не пытайтесь протолкнуть документ, превышающий размер контекстного окна: он будет незаметно обрезан.
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)Фильтрация релевантности на практике
Фильтрация релевантности означает извлечение только нужных частей большого документа перед добавлением его в запрос. Это особенно важно для:
- длинных отчётов, в которых релевантен только один раздел
- файлов кода, в которых нужно проверить только одну функцию
- цепочек электронных писем, в которых важны только последние 3 сообщения
- схем баз данных, в которых релевантны только 2 из 50 таблиц
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)Управление историей диалога
В многоэтапных диалогах история увеличивается после каждой реплики. Грамотное управление ею помогает сохранять здоровый бюджет токенов:
- Скользящее окно: сохранять только последние N реплик
- Добавление краткого изложения: периодически объединять старые реплики в одно краткое сообщение
- Извлечение ключевых фактов: отслеживать важные решения в виде маркированного списка и добавлять его как системный контекст
- Сброс при смене темы: начинать новый сеанс при переходе к несвязанной теме
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)Методы сжатия контекста
Когда нужно включить много контекста, но бюджет токенов ограничен, используйте методы сжатия:
- Маркированный список вместо прозы: маркированные списки на 30–50% эффективнее предложений с точки зрения количества токенов
- Сокращайте известные термины: после первого использования «PostgreSQL 15» → «ПГ15»
- Удаляйте вводные фразы: вместо «Стоит отметить, что…» просто сообщите факт
- Используйте структурированные форматы: пары «ключ:значение» плотнее, чем предложения
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')Динамический выбор контекста
В рабочих приложениях на основе ИИ контекст часто выбирается динамически — в зависимости от того, что наиболее релевантно текущему запросу. Это называется генерацией с дополнением извлечёнными данными (RAG).
Вместо включения всех документов вы извлекаете только наиболее семантически похожие на вопрос пользователя и добавляете их в запрос. Благодаря этому контекст остаётся компактным и очень релевантным.
# 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())Планирование бюджета контекста
Перед созданием рабочего приложения заранее спланируйте бюджет контекста:
- зарезервируйте 25% контекстного окна для выходных данных
- выделите 10% для системного сообщения и персоны
- выделите 30% для самой свежей истории диалога
- оставьте 35% для динамического контекста (извлечённых документов и добавленных данных)
Зафиксируйте эти доли в виде констант в коде, чтобы их было легко изменить по мере развития вашего сценария использования.
# 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')Когда релевантность важнее длины
Контекст объёмом 500 токенов, полностью соответствующий задаче, даёт лучший результат, чем контекст объёмом 5 000 токенов, лишь отдалённо связанный с ней. Когда модели приходится разбирать меньше материала, она выдаёт лучший результат.
Признаки того, что ваш контекст слишком длинный и не сфокусирован:
- модель игнорирует некоторые ваши ограничения
- результат кажется шаблонным, несмотря на большой объём контекста
- модель отвечает не на ту часть вашего вопроса
- задержка и стоимость выше ожидаемых
Если вы заметили эти признаки, сократите контекст и запустите обработку ещё раз.
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())Проверка знаний
Разработчик создаёт чат-бота с историей диалога из 20 реплик. После 20 реплик контекстное окно почти заполнено. Какую BEST-стратегию следует выбрать, чтобы продолжить диалог и не потерять важный контекст?
Длина и релевантность контекста — повторение
Эффективное управление контекстом — важнейший навык составления запросов, который становится критически необходимым в рабочих приложениях. Основные принципы:
- оценивайте каждый элемент контекста: высокая / средняя / низкая релевантность — включайте только элементы с высокой релевантностью
- размещайте важные ограничения в начале или конце, а не в середине
- используйте маркированные списки вместо прозы, чтобы сэкономить 30–50% токенов
- обобщайте или разбивайте на части документы, превышающие ваш бюджет
- в многоэтапных диалогах сжимайте старую историю, а не начинайте всё заново
- явно планируйте свой бюджет контекста в виде констант кода
Изучай AI Prompt Engineering с ИИ-репетитором — бесплатно
Пиши и запускай код прямо в браузере, получай мгновенную помощь от ИИ-репетитора 24/7 и продолжи учиться на сайте или в приложении.
- Курсы
- 53
- Уроки
- 199
Часто задаваемые вопросы
Урок «Объём и релевантность контекста» бесплатный?
Да — полный текст урока «Объём и релевантность контекста» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс AI Prompt Engineering, подпишись на CoddyKit PRO. Курс AI Prompt Engineering содержит 4 уроков всего.
Чему я научусь в уроке «Объём и релевантность контекста»?
Сочетайте полноту контекста с ограничениями на количество токенов и релевантностью Ты практикуешь AI Prompt Engineering с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать AI Prompt Engineering?
Предыдущий опыт не требуется. AI Prompt Engineering на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 4 из 4.
Сколько времени занимает урок «Объём и релевантность контекста»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке AI Prompt Engineering?
Да. Каждый урок AI Prompt Engineering включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Что означает контекст при составлении запросов к искусственному интеллекту
- Предоставление исходной информации
- Эффективная постановка контекста
- Объём и релевантность контекста