В контекст могут входить задача пользователя, роль ассистента, аудитория, стиль ответа, исходные данные, документы, история диалога, примеры хорошего результата, правила безопасности, ограничения по формату и найденные фрагменты из базы знаний. Чем точнее контекст, тем меньше модель вынуждена додумывать.
Например, запрос "напиши письмо" почти ничего не говорит модели. Запрос "напиши короткое письмо клиенту B2B, который просрочил оплату на 7 дней, тон спокойный, без угроз, цель - получить дату платежа" уже дает контекст. Ответ становится ближе к реальной задаче, потому что модель понимает ситуацию, адресата и желаемый результат.
Контекст не стоит путать с контекстным окном. Контекст - это смысловые вводные, которые помогают решить задачу. Контекстное окно - технический лимит токенов, сколько этих вводных и ответа помещается в один запрос. Можно дать мало контекста в большом окне, а можно перегрузить маленькое окно лишним текстом.
Контекст также отличается от памяти. Память хранится между запросами: факты о пользователе, настройках, прошлых задачах. Контекст - это то, что модель видит прямо сейчас. Чтобы память помогла, система должна выбрать нужные факты и добавить их в текущий контекст.
В AI-агентах качество контекста часто важнее длины промпта. Хороший агент выбирает релевантные документы, чистит шум, сжимает историю, отделяет инструкции от данных и не отправляет модели все подряд. Иначе растут стоимость и задержка, а ответ может стать хуже из-за противоречивых или лишних вводных.
Практическое правило простое: перед запросом к модели ответьте на четыре вопроса. Что нужно сделать? Для кого? На каких данных? Какие ограничения нельзя нарушать? Если эти ответы понятны, контекст уже помогает модели работать точнее.
Примеры
- Плохой контекст: "сделай пост". Хороший контекст: "сделай пост для Telegram-канала про AI-агентов, аудитория - предприниматели без технического опыта, тон простой, 1200 знаков, цель - объяснить пользу RAG".
- В чат-боте поддержки контекстом становятся последние сообщения клиента, номер заказа, статус доставки, правила возврата и тон общения бренда.
- В RAG-системе контекстом являются найденные фрагменты документов, которые приложение добавляет к вопросу пользователя перед отправкой модели.
- В кодинг-агенте контекстом могут быть задача, текущий файл, diff, лог ошибки, правила проекта и результат последнего теста.
Где используется
- написание промптов
- чат-боты поддержки
- AI-агенты
- RAG и поиск по документам
- длинные рабочие диалоги
- генерация текстов под аудиторию
- анализ документов и кода
- контроль качества ответов модели
Связанные термины
Частые вопросы
Что такое контекст простыми словами?
Это вводные, которые помогают модели понять задачу: кто спрашивает, что нужно получить, какие данные использовать, какой стиль выбрать и какие ограничения соблюдать.
Чем контекст отличается от промпта?
Промпт - это сообщение или инструкция, которую отправляют модели. Контекст - часть содержимого промпта и окружения запроса: факты, история, документы, примеры, ограничения и другие вводные.
Чем контекст отличается от контекстного окна?
Контекст - это смысловая информация для задачи. Контекстное окно - технический лимит, сколько токенов модели можно передать за один запрос вместе с будущим ответом.
Можно ли дать модели слишком много контекста?
Да. Лишние документы, старые сообщения и противоречивые инструкции повышают стоимость, замедляют ответ и могут отвлечь модель от главного. Контекст нужно отбирать, а не просто накапливать.
Как понять, что контекста не хватает?
Модель отвечает слишком общо, задает очевидные уточнения, путает аудиторию, формат или ограничения. Обычно помогает добавить цель, исходные данные, критерии результата и пример нужного ответа.
