定义

短期上下文指的是人工智能模型（特别是大型语言模型 (LLM) 或对话代理）在生成下一个输出时可以主动考虑的即时、有限的先前信息集合。它是系统针对特定交互或会话的“工作记忆”。

与存储大量历史数据的长期记忆不同，短期上下文受到模型固定上下文窗口的限制——即它可以同时处理的最大令牌（单词或子词）数量。

为什么它很重要

短期上下文的质量和大小直接决定了人工智能响应的连贯性、相关性和准确性。如果上下文窗口太小，模型会“忘记”对话的早期部分，导致输出不合逻辑或重复。有效的上下文管理对于构建可靠、类人对话体验至关重要。

工作原理

当用户输入提示时，系统会将该提示与先前的对话轮次（对话历史）打包成一个单一的输入序列。这个构成短期上下文的序列被输入到 Transformer 架构中。然后，模型使用注意力机制来权衡该有限窗口内每个令牌的重要性，以预测下一个最可能的令牌。

常见用例

• 聊天机器人和虚拟助手： 在多次来回交流中保持主题相关性。
• 代码生成： 记住提示中早期提供的变量定义或函数签名。
• 摘要： 确保摘要准确反映即时源文档中的要点。
• 对话状态跟踪： 跟踪几分钟前提到的用户偏好或约束。

主要优势

• 连贯性： 确保人工智能保持在主题上并维持对话流程。
• 相关性： 允许模型根据即时输入历史来定制响应。
• 效率： 处理有界上下文窗口比尝试加载整个数据库历史在计算上更高效。

挑战

• 上下文窗口限制： 令牌的硬性限制限制了复杂、多阶段推理的深度。
• 上下文填充（Context Stuffing）： 用不相关的数据过度加载上下文会稀释信号，导致性能下降。
• 延迟： 处理更长的上下文窗口会增加计算负载和响应时间。

相关概念

• 长期记忆： 用于检索超出即时上下文窗口之外信息的外部数据库或向量存储。
• 注意力机制： 确定短期上下文哪些部分对当前预测最相关的核心神经网络功能。
• 分词（Tokenization）： 将文本分解成模型实际处理的离散单元（令牌）的过程。