高难度问题：创建自己的上下文

kevinkevin 2004-03-02 10:44:44

我们按照一个简单的问题：一个客户代码调用方法A，方法A又调用方法B，怎样在方法B和方法A中识别，这次调用是同一个客户同一次的调用？如果要在上下文中存储一些对象或者数据，应该怎么办？？

...全文

88 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

Time-XL提出了统一的Transformer时序预测模型，能同时处理单变量和多变量时序预测，并将时序预测的上下文长度首次扩充到千级别。

信息过载：上下文超出模型的“有效处理容量”，关键信息被冗余、错误内容掩盖；注意力稀释：模型的注意力资源无法在长上下文中均匀分配，导致关键信息被忽略；一致性缺失：模型缺乏对上下文信息的“校验、冲突处理”机制，无法保证输入的有效性与逻辑性。Context Engineering不是“对抗”大模型的上下文，而是“驾驭”它。在大模型的上下文窗口持续扩容的今天，单纯追求“更长的窗口”已无法解决实际问题——真正的竞争力，在于如何让大模型在海量信息中精准定位核心、规避风险、高效输出。

DDD - 聚合、聚合根、仓库与工厂中我们以用户下单这个场景，探讨了领域驱动设计的建模、分析与设计的过程，然而，站在更大的电商网站的角度，用户下单只是其中一个很小的场景。那么，如果要对整个电商网站进行领域驱动设计，应当怎么做呢？它包含那么多场景，每个场景都要包含那么多的领域对象，进而会形成很多的领域对象，并且每个领域对象之间还有那么多复杂的关联关系。这时候，怎样通过领域驱动来设计这个系统呢？怎么去绘制领域模型呢？是绘制一张密密麻麻的大图，还是绘制成一张一张的小图呢？

在大语言模型应用中处理超出其上下文窗口长度的长文本是一项挑战。本文面向初学者介绍长文本处理的常见难题，以及一系列有效策略和技巧，包括如何对文档进行合理分块（固定大小 vs 语义分块、重叠分块等）、利用层次化摘要（Map-Reduce）等框架克服上下文长度限制，并讨论这些方法在问答系统、大型报告分析、书籍理解、长文生成等长文档应用中的最佳实践。文章通过**实例代码**演示了OpenAI GPT-4和LangChain在长文本处理中的用法，并探讨更长上下文的模型（如Anthropic Claude的100K上下

大语言模型上下文工程（Context Engineering）详解：一篇搞懂核心概念

67,542

社区成员

225,852

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章