AI Prompting for Everyone 课程笔记 - P08 上下文 Context

文章目录

一、课程核心思想
二、重点知识点
- [2.1 什么是 Context？](#2.1 什么是 Context？)
- [2.2 Context 不只是 Prompt 中的文字](#2.2 Context 不只是 Prompt 中的文字)
- [2.3 Context Window（上下文窗口）](#2.3 Context Window（上下文窗口）)
- [2.4 Relevant Context vs. Irrelevant Context](#2.4 Relevant Context vs. Irrelevant Context)
- [2.5 Context 与 Prompt 的区别](#2.5 Context 与 Prompt 的区别)
三、老师的实际案例
- [3.1 案例一：选择公寓（Apartment Comparison）](#3.1 案例一：选择公寓（Apartment Comparison）)
- [3.2 案例二：Physics vs. Zoology（物理学与动物学）](#3.2 案例二：Physics vs. Zoology（物理学与动物学）)
- [3.3 案例三：Workout Plan（健身计划）](#3.3 案例三：Workout Plan（健身计划）)
[四、Context 是如何进入 AI 模型的？](#四、Context 是如何进入 AI 模型的？)
- [4.1 System Prompt（系统提示词）](#4.1 System Prompt（系统提示词）)
- [4.2 Tool Definitions（工具定义）](#4.2 Tool Definitions（工具定义）)
- [4.3 User Prompt（用户提示词）](#4.3 User Prompt（用户提示词）)
- [4.4 Chat History（对话历史）](#4.4 Chat History（对话历史）)
- [4.5 Uploaded Files（上传文件）](#4.5 Uploaded Files（上传文件）)
[五、如何有效管理 Context？](#五、如何有效管理 Context？)
- [5.1 提供足够的相关信息](#5.1 提供足够的相关信息)
- [5.2 避免过多无关信息](#5.2 避免过多无关信息)
- [5.3 根据任务变化更新 Context](#5.3 根据任务变化更新 Context)
- [5.4 在复杂任务中整理 Context](#5.4 在复杂任务中整理 Context)
[六、Context 的局限性](#六、Context 的局限性)
- [6.1 More Context ≠ Better Context](#6.1 More Context ≠ Better Context)
- [6.2 AI 可能错误理解上传资料](#6.2 AI 可能错误理解上传资料)
- [6.3 Context 可能包含敏感信息](#6.3 Context 可能包含敏感信息)
七、重要英文术语
八、实践练习
九、复习问题
[十、一页速记版（Quick Review）](#十、一页速记版（Quick Review）)
参考资源
[课程 Slides](#课程 Slides)

一、课程核心思想

上一节 P7 介绍了 Brainstorming with AI（使用 AI 进行头脑风暴）。我们已经知道，AI 不仅可以回答问题，还可以作为 Thought Partner（思考伙伴），帮助用户探索想法、分析问题和改进方案。

但是，要让 AI 提供真正有价值的建议，还需要解决一个重要问题：AI 并不一定了解用户的具体情况。

例如：

AI 不知道你正在学习什么课程。
AI 不知道你的研究项目有哪些进展。
AI 不知道你过去做过哪些工作。
AI 不知道你的预算、时间和资源限制。
AI 不知道你希望最终得到什么样的结果。

如果缺少这些信息，AI 可能只能提供比较通用的回答。

因此，本节介绍 Context（上下文）。通过向 AI 提供适当的背景资料，可以让它更准确地理解任务，并生成更有针对性的回答。

核心结论：高质量的 AI 输出不仅取决于 Prompt 的措辞，还取决于 AI 是否获得了完成任务所需的 Context。提供相关、准确、充分的背景信息，通常比单纯增加复杂指令更重要。

二、重点知识点

2.1 什么是 Context？

Context（上下文）是指 AI 在处理当前任务时可以参考的背景信息。这些信息可以帮助 AI 理解：

用户是谁，以及当前角色是什么。
用户希望解决什么问题。
任务发生在什么背景下。
有哪些相关资料。
需要遵守哪些约束条件。
用户希望得到什么样的结果。

例如：用户向 AI 提问：Help me prepare for an exam.

这个 Prompt 虽然明确表达了学习需求，但缺少重要背景。

AI 不知道：

你准备参加什么考试？
你目前掌握了哪些知识？
距离考试还有多长时间？
你每天能够学习多久？
你最薄弱的知识点是什么？

因此，AI 可能只能提供通用的备考建议。

提供 Context 后的 Prompt

复制代码

I am a university student preparing
for a machine learning exam.

Context:
- The exam is in two weeks.
- I can study two hours per day.
- I understand basic Python.
- I struggle with gradient descent
  and backpropagation.

Help me create a two-week study plan.

Include:
1. Daily learning objectives
2. Important concepts
3. Practice exercises
4. Review sessions
5. A final mock exam

中文：

我是一名大学生，正在准备机器学习考试。

背景信息：

考试还有两周。
每天可以学习两个小时。
已经掌握基础 Python。
对梯度下降和反向传播理解较弱。

请根据这些信息制定两周学习计划。

两种 Prompt 的区别

对比维度	Without Context	With Context
中文	缺少上下文	提供上下文
学习目标	不明确	明确
当前能力	未提供	已说明
时间限制	未提供	已说明
主要困难	未提供	已说明
输出结果	容易泛化	更容易个性化

知识点：Context 的作用，是减少 AI 对用户情况的猜测，让它根据实际信息完成任务。

2.2 Context 不只是 Prompt 中的文字

很多初学者认为，向 AI 提供背景信息就是写一个很长的 Prompt。但实际上，Context 可以有多种形式。

例如：

Text（文本）：直接描述背景。
Documents（文档）：上传 PDF、Word 或研究报告。
Spreadsheets（电子表格）：提供数据和统计资料。
Images（图像）：上传截图、图表或照片。
Conversation History（对话历史）：利用之前的交流内容。
Code（代码）：提供程序文件或错误日志。

不同 AI 工具支持的输入形式可能不同。

示例：分析研究论文

方式一：不提供论文

复制代码

Explain the limitations of
this research paper.

AI 并不知道你指的是哪篇论文。

方式二：上传论文作为 Context

复制代码

I have uploaded a research paper.

Please analyze the paper based
on the uploaded document.

Focus on:
1. Research objectives
2. Methodology
3. Main findings
4. Limitations
5. Future research directions

Distinguish the authors' stated
limitations from your own analysis.

通过上传论文，AI 就能够根据具体材料进行分析。

Context 的不同形式

Context 类型	示例	主要用途
Text	用户背景与目标	个性化回答
Documents	PDF、Word	文档理解与分析
Spreadsheets	Excel、CSV	数据分析
Images	截图、图表	视觉信息理解
Conversation History	之前的交流	保持任务连续性
Code	源代码、日志	编程辅助与调试

学习启示：对于复杂任务，不要试图仅靠一句 Prompt 让 AI 猜测所有背景。直接提供相关资料，通常更加有效。

2.3 Context Window（上下文窗口）

理解 Context 时，还需要了解一个相关技术概念：Context Window（上下文窗口）。Context Window 是模型在一次处理过程中能够使用的输入及相关上下文的容量范围。它通常使用 Tokens（词元）进行衡量。

什么是 Token？Token 是语言模型处理文本时使用的基本单位。一个 Token 不一定等于一个单词。

例如：

某些英文单词可能对应一个 Token。
较长的英文单词可能被拆分为多个 Tokens。
中文字符与 Tokens 之间也不是固定的一一对应关系。

Context Window 的作用

假设一个模型的上下文窗口为 128K Tokens。这意味着模型能够在其规定的上下文预算内处理相当大量的内容。

例如：

多篇文章。
较长的研究报告。
多轮对话。
一定规模的代码。
多个文档中的信息。

但需要注意：更大的 Context Window 不等于更好的理解能力。模型即使能够接收很长的内容，也可能：

忽略某些细节。
混淆不同文档。
无法准确定位重要信息。
对长文本中的信息产生理解偏差。

因此，Context 的组织方式仍然很重要。

Context Window 与实际表现

概念	含义
Context Window	模型可处理的上下文容量
Token	模型处理文本的基本单位
Long Context	较长的上下文输入
Context Retrieval	从上下文中定位相关信息
Context Quality	上下文内容的质量
Context Relevance	上下文与任务的相关程度

这一部分是为了帮助理解 Context 而加入的技术扩展，不是已核实的 P08 原始讲解内容。

2.4 Relevant Context vs. Irrelevant Context

并不是提供的信息越多，AI 的回答就一定越好。重要的是：提供与当前任务相关的信息。

例如：用户希望 AI 帮助选择一台适合机器学习的笔记本电脑。

Relevant Context（相关上下文）

预算为 1200 美元。
主要使用 Python。
需要进行机器学习实验。
经常携带电脑上课。
希望电池续航较长。

这些信息会直接影响推荐结果。

Irrelevant Context（无关上下文）

用户最喜欢的电影。
用户上周吃了什么。
用户小时候喜欢的游戏。
与电脑购买无关的个人经历。

这些信息通常不会改善电脑推荐的质量。

两者的区别

对比维度	Relevant Context	Irrelevant Context
中文	相关上下文	无关上下文
与任务的关系	直接相关	关联很弱或没有关联
对结果的影响	有助于提高针对性	可能增加噪声
是否应该提供	通常应该	通常可以省略

知识点：Context 的质量比单纯的数量更加重要。应优先提供能够影响 AI 判断和输出结果的信息。

2.5 Context 与 Prompt 的区别

虽然两者密切相关，但它们并不完全相同。

Prompt 是用户向 AI 提出的指令或请求。例如：Write a project proposal.

Context 是帮助 AI 完成任务的背景资料。例如：

复制代码

Project Background:
We are developing an AI-powered
learning assistant for university students.

Target Users:
Undergraduate students.

Project Constraints:
- Small development team
- Three-month timeline
- Limited budget

Project Goal:
Build a functional MVP.

将 Prompt 与 Context 结合

复制代码

Task:
Write a project proposal.

Context:
We are developing an AI-powered
learning assistant for university students.

Target Users:
Undergraduate students.

Constraints:
- Small development team
- Three-month timeline
- Limited budget

Output Requirements:
1. Project overview
2. Problem statement
3. Proposed solution
4. Key features
5. Development timeline
6. Risks and limitations

这样 AI 就可以结合任务要求和背景信息生成更有针对性的项目提案。

学习启示：Prompt 告诉 AI 要做什么，Context 帮助 AI 理解应该如何结合具体情况完成任务。

三、老师的实际案例

我进一步查到了本课程的公开英文转写稿，其中能够核实 P08 的具体讲解内容。以下案例比前面通用的教学示例更贴近老师原课。

3.1 案例一：选择公寓（Apartment Comparison）

老师举了一个选择公寓的例子。

假设你正在比较多个公寓，可以向 AI 提供：

Lease Contracts（租赁合同）
Tenant Reviews（租客评价）
Neighborhood Statistics（社区统计数据）

这些资料可能包含数百页内容。

然后向 AI 提问：

复制代码

Compare the pros and cons of each apartment.

Read all the uploaded documents carefully.

Consider the lease terms, tenant reviews,
neighborhood information, and potential risks.

Think hard before making a recommendation.

为什么需要提供大量 Context？如果没有资料，AI 只能根据一般经验介绍选择公寓时应该注意什么。但上传合同和相关信息后，AI 可以针对具体公寓分析：

租赁条款。
居住环境。
租客反馈。
潜在风险。
不同方案之间的权衡。

知识点：对于复杂决策，用户可以提供大量相关文件，让 AI 基于具体证据进行分析，而不只是依赖通用知识。

3.2 案例二：Physics vs. Zoology（物理学与动物学）

老师提出了一个专业选择问题：

复制代码

What are the pros and cons
of studying physics versus zoology?

没有 Context 的情况，AI 可能给出比较通用的分析。

例如：

Physics	Zoology
重视数学与理论分析	重视生物与动物研究
涉及物理规律	涉及动物行为与生态
可进入工程、研究等领域	可进入生态、研究等领域

但它并不知道用户的兴趣和实际能力。

提供 Context 后，老师建议提供：

Career Assessment Results（职业倾向测评结果）
High School Schedule（高中课程安排）

然后提出相同的问题。

复制代码

I am deciding whether to study
physics or zoology.

I have uploaded:
1. My career assessment results
2. My high school course history

Please compare the two majors
based on my background.

Consider:
- Academic strengths
- Personal interests
- Career opportunities
- Potential challenges

Explain the trade-offs carefully.

这样，AI 就能够根据用户的具体情况给出更有针对性的分析。

老师提出的重要思考方法

想象你正在向一位值得信任的专业顾问寻求建议。你应该问自己：如果这位顾问完全不了解我，他需要知道哪些信息，才能给出高质量的建议？这些信息就是值得提供给 AI 的 Context。

学习启示：在重要决策中，应尽量提供一位专业顾问需要了解的相关背景资料。

3.3 案例三：Workout Plan（健身计划）

老师还使用健身计划来解释 Context 如何随着对话不断变化。假设用户希望 AI 帮助制定健身计划。用户可能提供：

个人健身目标。
每周时间安排。
运动偏好。
已有健身经验。
身体条件或限制。

AI 根据这些信息提出几个方案。

用户随后反馈：

复制代码

I like the first workout plan,
but I don't like the third option.

Please modify the plan based
on my preferences.

这些反馈会成为新的 Context。

Context 如何不断积累？

复制代码

Initial Prompt
（初始问题）
       ↓
AI Response
（AI 第一次回答）
       ↓
User Feedback
（用户反馈）
       ↓
Updated Context
（上下文更新）
       ↓
AI Refined Response
（AI 改进回答）

在支持对话历史的系统中，之前的消息通常会作为后续回答的上下文。因此，AI 可以根据多轮交流逐步了解用户的偏好。

老师强调的另一个问题

假设你已经与 AI 讨论了很长时间自己的健身计划。突然又提出：

Now create a workout plan for my mom.

此时，之前关于你自己的运动习惯和偏好的信息，可能并不适合你的妈妈。如果 AI 继续使用这些 Context，可能产生不相关的建议。

知识点：当任务发生明显变化，之前的 Context 可能不再适用。此时，开始新的对话往往更加合适。

四、Context 是如何进入 AI 模型的？

这是 P08 的一个重要技术知识点。老师解释，AI 模型的 Context 不仅包含用户当前输入的 Prompt，还可能包含其他信息。

4.1 System Prompt（系统提示词）

System Prompt 是由 AI 系统或应用提供的上层指令。

它可能包含：

当前日期。
模型的基本能力。
一般行为要求。
工具使用规则。

用户通常无法直接查看完整的系统提示词。

4.2 Tool Definitions（工具定义）

如果 AI 能够使用工具，系统可能向模型提供工具说明。

例如：

Web Search 的用途。
文件读取工具的功能。
如何调用相关工具。

这些说明可以帮助模型判断何时以及如何使用工具。

4.3 User Prompt（用户提示词）

这是用户直接输入的任务要求。

例如：Create a weekly workout plan for me.

4.4 Chat History（对话历史）

对话历史可能包含：

用户之前提出的问题。
AI 之前生成的回答。
用户提供的修改意见。
多轮讨论中逐步明确的要求。

这些信息能够帮助 AI 保持对话连续性。

4.5 Uploaded Files（上传文件）

用户还可以通过上传文件提供额外 Context。

例如：

PDF
Word
图片
表格
代码文件

不同产品对文件内容的处理方式不同，有些会直接使用部分内容，有些会通过检索机制按需提取。

Context 的组成

复制代码

AI Model Context
（模型上下文）
        │
        ├── System Prompt
        │   系统提示词
        │
        ├── Tool Definitions
        │   工具定义
        │
        ├── User Prompt
        │   用户提示词
        │
        ├── Chat History
        │   对话历史
        │
        └── Uploaded Files / Retrieved Content
            上传文件或检索内容

知识点：AI 的回答可能受到多种上下文信息共同影响，而不仅仅取决于用户当前输入的一句话。

五、如何有效管理 Context？

5.1 提供足够的相关信息

对于复杂任务，应该尽可能提供有助于完成任务的资料。

例如：

复制代码

I want you to help me choose
between three graduate programs.

I have uploaded:
- Program descriptions
- Tuition information
- My academic background
- My career goals

Compare the programs based
on my specific situation.

5.2 避免过多无关信息

不需要把所有历史对话和文件都提供给 AI。过多无关内容可能：

分散模型对重要信息的关注。
增加处理成本。
让模型混淆不同任务。
影响最终结果的针对性。

5.3 根据任务变化更新 Context

当用户目标发生变化时，应该判断之前的信息是否仍然适用。

例如：

复制代码

Previous Task:
Create a workout plan for me.

New Task:
Create a workout plan for my mother.

如果两个任务的背景差异较大，最好开始新的对话，并提供新的相关信息。

5.4 在复杂任务中整理 Context

对于大量资料，可以先让 AI 整理关键信息。

例如：

复制代码

Review the uploaded documents.

Extract the information most relevant
to my research question.

Organize the findings into:
1. Key facts
2. Important constraints
3. Relevant evidence
4. Missing information

Do not make a final recommendation yet.

这样可以先确认 AI 是否正确理解资料，再进入下一步分析。

学习启示：Context Management（上下文管理）不仅是增加信息，还包括筛选、更新和清理信息。

六、Context 的局限性

6.1 More Context ≠ Better Context

更多 Context 不一定意味着更好的回答。

例如：

信息可能相互矛盾。
文件可能已经过时。
某些资料与任务无关。
模型可能遗漏长文档中的细节。

因此：Relevant Context（相关上下文）比单纯增加 Context 数量更加重要。

6.2 AI 可能错误理解上传资料

即使上传了正确的文件，AI 仍可能：

忽略某个重要条款。
错误提取表格数据。
混淆不同文件。
对文档内容做出不准确的总结。

对于重要任务，应该核实 AI 引用的原始资料。

6.3 Context 可能包含敏感信息

在提供资料之前，需要考虑：

是否包含个人隐私？
是否包含企业机密？
是否包含客户数据？
是否有权将资料提供给 AI？
所使用的 AI 服务如何处理上传内容？

学习启示：提供充分 Context 的同时，也要控制数据访问范围，避免上传不必要的敏感信息。

七、重要英文术语

English	中文	解释
Context	上下文	AI 处理任务时参考的背景信息
Context Window	上下文窗口	模型可处理的上下文容量
Context Management	上下文管理	组织、更新和筛选上下文
Relevant Context	相关上下文	与当前任务直接相关的信息
Irrelevant Context	无关上下文	与任务关系较弱的信息
System Prompt	系统提示词	系统提供的上层指令
Tool Definitions	工具定义	模型可用工具的功能说明
User Prompt	用户提示词	用户输入的任务要求
Chat History	对话历史	之前的用户与 AI 消息
Uploaded Files	上传文件	用户提供的外部资料
Token	词元	模型处理文本的基本单位
Long Context	长上下文	较大规模的上下文输入
Context Retrieval	上下文检索	从大量上下文中寻找相关内容
Personalized Response	个性化回答	根据用户情况生成的回答
Trade-offs	权衡取舍	比较不同方案的优缺点
Career Assessment	职业倾向测评	用于分析兴趣与职业方向的测评

八、实践练习

Exercise 1：比较有无 Context 的回答

首先提问：Should I study physics or zoology?

然后补充背景：

复制代码

I am a university student
choosing between physics and zoology.

My background:
- Strong interest in mathematics
- Experience with Python programming
- Enjoy scientific research
- Interested in AI applications

Compare the two majors based
on my background.

Explain the advantages,
disadvantages, and career implications.

比较两次回答：

哪个回答更加具体？
哪个回答更加符合用户背景？
哪些建议因 Context 而发生变化？
AI 是否做出了没有依据的假设？

练习目标：理解 Context 如何影响 AI 的回答。

Exercise 2：使用文件作为 Context

选择一篇学术论文，上传到 AI 工具。

然后输入：

复制代码

Read the uploaded research paper.

Analyze:
1. Research objectives
2. Methodology
3. Key findings
4. Limitations
5. Future research directions

Base your analysis on the paper.

If you make additional inferences,
clearly label them as your own analysis.

检查：

AI 是否正确识别研究问题？
是否准确解释研究方法？
是否引用论文中的具体证据？
是否区分作者观点与 AI 推断？

练习目标：学习利用上传文件提供任务背景。

Exercise 3：观察无关 Context 的影响

先与 AI 讨论自己的学习计划。

例如：

复制代码

Help me create a study plan
for learning machine learning.

I can study two hours per day.

然后继续提出：

复制代码

Now create a study plan
for a high school student
who wants to learn biology.

观察 AI 是否仍然使用之前的时间安排或学习背景。之后开启新的对话，再提出第二个问题。

比较：

两次回答是否不同？
之前的 Context 是否影响了新任务？
哪种方式更符合新用户的需求？

练习目标：理解什么时候应该开始新的对话。

九、复习问题

Q1：什么是 Context？

答：Context 是 AI 在生成回答时能够参考的背景信息，包括系统指令、用户输入、对话历史和相关资料等。

Q2：为什么 Context 对 AI 很重要？

答：因为 AI 不一定了解用户的具体情况。提供相关 Context 可以减少不必要的猜测，提高回答的针对性。

Q3：Context Window 是什么？

答：Context Window 是模型一次能够处理的上下文容量，通常以 Tokens 衡量。

Q4：Context 是否越多越好？

答：不一定。过多无关信息可能干扰模型，因此应该优先提供相关、准确且必要的资料。

Q5：为什么老师建议把 AI 想象成一位值得信任的专业顾问？

答：因为这有助于判断应该提供哪些背景信息。可以思考一位不了解自己情况的专业顾问需要知道什么，才能提出有价值的建议。

Q6：为什么有时应该开始新的对话？

答：当新任务与之前的任务无关时，旧 Context 可能影响回答。开始新对话可以减少无关历史信息的干扰。

十、一页速记版（Quick Review）

核心思想：Context 是 AI 生成高质量、个性化回答的重要基础。通过提供相关资料并管理对话历史，可以帮助 AI 更好地理解任务和用户需求。

三个重要知识点：

Relevant Context：提供与任务相关的背景信息。
Context Window：理解模型能够处理的上下文容量。
Context Management：根据任务需要添加、更新或清理上下文。

三个核心原则：

Give AI the context a trusted advisor would need.
向 AI 提供一位值得信任的专业顾问需要了解的信息。
Provide relevant context, not just more context.
提供相关信息，而不是单纯增加信息数量。
Start a new conversation when the task changes significantly.
当任务发生明显变化时，考虑开始新的对话。

P7 → P8 的知识逻辑

复制代码

Module 2 --- AI as a Thought Partner
          ↓
P7 --- Brainstorming with AI
如何利用 AI 产生和改进想法？
          ↓
P8 --- Context
如何提供充分的背景信息，
让 AI 更准确地理解任务？
          ↓
P9 --- AI Desktop Apps
如何让 AI 主动寻找相关文件，
而不必每次手动提供全部 Context？

最终总结：Context 的核心价值，不只是让 AI 知道更多信息，而是让 AI 获得完成当前任务真正需要的背景。AI 高阶用户应该学会判断哪些信息重要、如何提供这些信息，以及什么时候应该清理无关的上下文。