上下文 = AI 面前的那张桌面
想象 AI 是个记不住事的临时工：每次叫它干活，它的记忆只有此刻摆在桌面上的东西。桌上有什么，它就只能用什么。
所以 AI 答得好不好，第一问题往往不是“它笨不笨”，而是“它桌上有没有它需要的东西”。
好结果是好上下文的副产品
有句话很关键：好结果，是好上下文的副产品。同一个模型，给它的信息摆得好，输出就好；摆得乱，输出就烂。
“上下文工程”就是这门手艺：该带的带上、不该带的拿走、该怎么摆就怎么摆，让 AI 桌面上正好是它干这件事需要的东西。
桌面不是越满越好
新手常犯的反向错误：把所有东西一股脑全堆上桌。觉得给得越多越保险。
好的上下文是精挑细选的：跟当前任务相关的，留下；不相关的，拿走。少而准，胜过多而杂。
自测 · 学完检查一下
想真正动手做题、记进度、攒连胜？到互动课里练。
用本节的比喻，“上下文”最接近下面哪个？
答案：AI 此刻桌面上摆着的、能看到的全部信息
上下文 = 这一次回答时，AI 眼前能看到的全部信息，就像它桌面上摆着的东西。它记不住别的，只能用桌上的。
判断：AI 像一个记不住事的临时工，每次干活只能用“此刻摆在它桌面上的信息”。
答案：对
这正是“工作记忆/桌面”比喻的核心：在一次回答里，它只依赖你给它的上下文（除非另外接了记忆/检索功能）。
你让 AI “帮我把昨天那份报告改简短点”，它却答非所问。最可能的原因是？
答案：它桌面上根本没有“那份报告”的内容
“昨天那份报告”在你脑子里，但没摆到 AI 桌面上。上下文里缺了关键信息，再聪明也只能瞎猜。
当 AI 答得离谱时，先别急着说它笨，应该先检查：它的 ___ 里到底有没有它需要的关键信息。
答案：上下文
排查第一步永远是看上下文：你以为它知道的那条信息，到底有没有真的摆到它眼前。
判断：为了保险，应该把手头所有资料一次性全部塞给 AI，越多越好。
答案：错
上下文不是越多越好。无关信息会稀释注意力、把模型带偏，真正关键的那条反而被埋没。少而准更好。
下面哪种做法最符合“好上下文”的标准？
答案：只贴跟当前任务相关的几段关键信息
好上下文是精挑细选：相关的留下、不相关的拿走。少而准，胜过多而杂。