练完一遍了？ 用英文写下回答，粘贴到免费自查工具打分（工具按英文要点评分）
考察点
是否把上下文窗口当作有预算的设计约束，而不是跳过检索或记忆的理由；是否知道模型对长输入的利用并不均匀。
评分要点
- 定义：模型单次调用能关注的最大 token 数，包括 prompt 和生成的输出。
- 成本：prompt 越长，每次调用的价格和首 token 时间越高。
- 质量：模型对长输入的利用不均匀，埋在中间的信息更不容易被可靠使用。
- 设计：用检索、摘要或记忆决定放什么进去，给每个部分（system、历史、检索内容、输出）分配 token 预算，并在自己的任务上测试长上下文表现。
常见扣分点
忘了输出 token 和 prompt 共用同一个窗口。
参考回答
上下文窗口是模型单次请求能关注的 token 总数，包括 system prompt、对话历史、检索到的文档以及它生成的 token。如果输入把窗口塞满，就没有空间留给回答。
大窗口让一些事更简单，比如一次读完整份合同，但它不会省掉设计工作。每多一个 token，每次调用的成本和延迟都会增加，而且模型对各个位置的利用并不一样好；长 prompt 中间的信息不如开头或结尾的信息被可靠使用。
所以我用明确的预算来设计。比如一个客服助手，我会给 system prompt 留固定份额，限制对话历史长度并对较早的轮次做摘要，把最大份额给检索到的段落，并为输出留足空间。检索决定什么值得放进窗口，窗口大小只决定上限。
常见追问
模型支持一百万 token 了，为什么还要用 RAG？ 每次调用的成本和延迟、对长上下文的不均匀利用，以及对新鲜且按权限过滤的内容的需求，都仍然支持只检索相关部分。
中文手册想要完整的中文备考方法？
《如何从0到1准备AI Engineer面试》：20 章、5 套答题框架（FLAME、SPARK、FORGE、RISE、EMBER）、100 道题库和 8 周备考计划。
获取中文手册 优惠码 EARLYBF 立减 40%，截至太平洋时间 11 月 3 日 23:59更想读英文版？The 0→1 AI Engineer Interview Playbook，$19.99，Gumroad 英文版。也可以先免费领取 Top 30 题 PDF（英文）。