上下文窗口（context window）指模型在一次前向推理中能够同时读取的 token 上限。它同时容纳系统提示、对话历史、检索到的外部资料与待生成的回答。需要强调的是，窗口不是记忆，也不是知识库容量，而是一条硬预算线：任何超出部分不会报错，只会被静默丢弃或压缩，用户侧通常看不到任何提示。因此讨论一篇文章会不会被完整读到，本质上是在讨论它能否被切成若干块并分别落进这条预算线内。

工程上更有用的概念是有效输入预算。计算方式是：窗口总量减去系统提示、工具与函数定义、历史对话、预留输出、安全余量。以 128K 窗口为例，系统提示常见 800 token，工具定义 1500 token，预留输出 4K token，安全余量 2K token，真正可分配给外部资料的只剩约 120K 的七成，而且随对话轮次增加持续下降。

这个公式解释了一个常见现象：同一篇文章，第一次提问时模型能复述出后半段的数据，聊过十几轮之后再去问，它开始漏掉后三分之一。不是文章变了，是历史对话把预算吃掉了。对内容生产者来说，这意味着不能假设读者只问一次，也不能假设系统会把整页原文塞进窗口。

判断一次请求是否已经接近预算上限，可以观察四个信号。出现任意两个，就说明后面的内容大概率没有被读到。

• 回答开始复述前文结论，而不是引用资料中的具体句子
• 对后半段出现过的数字给出约、大概、左右这类模糊限定
• 引用位置高度集中在前三分之一，后面的章节从未被提及
• 明确表示资料中没有某内容，而该内容实际写在文章后部

为什么用 token 计量：三种换算口径与误差来源

token 是子词单元，不是字。中文主流词表对常用汉字多为单字成 token，专业术语、品牌名、生僻组合会被拆成两到三个；英文平均 1 token 约等于 0.75 个单词。工程估算上，中文按 1 token 约 1.4 到 1.7 个汉字，英文按 1 词约 1.3 token，是相对稳妥的口径。所有内容平台的字数统计与模型的 token 统计之间，天然存在三成左右的偏差。

三类内容会显著偏离这个均值。第一是数字与参数，2026-10-31、128K、0.75 这类串常被逐字符切分，一个日期可能占六到十个 token。第二是代码与结构化文本，缩进、括号、引号、转义符都计入。第三是表格，即使转成纯文本，重复的分隔符与空单元格也会抬高密度。同样是一千字，参数表占用的预算可能是叙述文字的一点五倍。

实操上可以给稿件做一次粗算：汉字数除以 1.5，加上英文单词数乘以 1.3，表格与代码部分再上浮两成到五成。误差控制在正负两成以内就够用，因为估算的目的不是精确计费，而是判断这篇文章会被切成几块、需要几个块才能覆盖完整论证。

检索增强的四段流水线：每一步都是有损压缩

绝大多数检索增强生成系统由四段构成：切块、召回、重排、装配。四段串联，每一段都在丢信息。理解这一点比记住任何单一参数都重要，因为后段的损失无法由前段弥补，而用户看到的回答只反映最后被装配进窗口的那部分文本。

典型参数是这样分布的：切块把长文切成 256 到 1024 token 的片段，块间保留一成到两成的重叠；召回用向量或关键词从数万个块中取出前 50 到 200 个候选；重排用交叉编码器对问题与候选逐对打分，取前 5 到 20 个；装配把这些块按分数或原文顺序拼进提示，必要时再截断一次。四个环节的筛选比例大约是 1 比 10 比 10 比 2，累计淘汰率超过千分之九。

把四步的信息损失列成对照，能更清楚地看到后半篇文章是在哪一步消失的。

• 切块丢弃的是边界上下文：代词所指对象、跨段因果关系、表格的表头与单位
• 召回丢弃的是用词不同但语义相近的表述，以及长块中被均值稀释的局部重点
• 重排丢弃的是不直接回答问题的铺垫、限定条件、反例与例外情形
• 装配丢弃的是分数接近但超出预算的块，以及位置居中导致利用率偏低的内容

这四类损失叠加的方向高度一致：都指向文章的论证部分，而不是结论部分。结论通常短、名词密集、与提问用词重合；论证通常长、连接词多、依赖前文。这就是后半篇被系统性低估的结构性原因。

切块阶段：边界一划，上下文就断了

切块是损失最大的一步。一篇六千字的文章按 500 token 一块切分，大约得到八到十块。切点通常落在段落边界，也可能落在句子中间。一旦落点不巧，代词它、该方案、上述方法所指的对象就留在了上一块，这一块开头变成没有主语的断言。

更隐蔽的损失是标题。多数切块器会把 h2 拼进块首，但一个标题下面若有四个段落被切成三块，只有第一块带标题，后两块退化为没有主题标签的裸文本。它们在向量空间里仍可被检索，主题可识别性却明显下降，重排阶段也少了一个强判断依据。

表格与清单最容易受损。一张跨页的参数表被拦腰切断，后半部分只剩数值没有表头，模型看到 128 却不知道这是 token 数、并发数还是价格。清单同理，被切断的列表项失去所属条目，容易与相邻条目的属性混淆。这两种结构恰恰是技术写作中最常承载关键参数的地方。

缓解手段有三条，成本都不高：块内重复标题，让每个切点之后的第一句重新点明所属主题；把关键参数在段末再写一次，制造第二个锚点；长表格拆成多个自包含的小表，每张表自带表头与单位。这三条做与不做，召回率的差异通常在十到二十个百分点。

召回阶段：向量相似度偏爱什么样的文本

向量检索的本质是把一段文本压成一个定长向量，再用余弦相似度比较。对一个 500 token 的块做池化时，块内所有句子共同决定这个向量。结果是与问题最相关的那一句，权重被同块内无关的铺垫、案例、过渡句摊薄。块越长，稀释越严重，这也是块大小不能一味求大的原因。

这解释了为什么文章后半部分的论证段落常常召不回。前半部分往往是定义、结论、要点罗列，名词密度高，与提问用词重合度高；后半部分是推导、举例、边界讨论，动词和连接词多，专有名词少，在向量空间里与问题的距离更远。文本价值与向量相似度在这里出现了明显背离。

还有一个常被忽略的因素是提问方式。用户问某指标怎么算，向量更容易匹配到出现指标全称与计算二字的段落，而不是那段用一个具体例子演示算法的文字。后者信息量更大，却因为缺少术语而落选。写作时把术语与通俗解释放在同一段，能同时照顾两条通道。

关键词通道同样有偏好：它奖励精确匹配与词频，惩罚同义改写。混合检索会把两路结果合并，但合并规则通常是分数归一化后加权，长块因为包含更多命中词而占优，进一步加剧了块内稀释。理解这一点，就能明白为什么在小节标题里写全称、在正文里写简称，是一种有效的折中。

重排阶段：相关性打分的三种偏好

重排模型逐对阅读问题与候选块，输出相关性分数。它的训练目标通常是判断这段文字能否回答这个问题，因此偏好直接给出答案的陈述句、包含问题关键词的句子、结构清晰的要点罗列。这类文本在标注数据里被反复确认为正例，模型自然学得偏。

副作用是三类内容被系统性压低。一是铺垫与背景，它们本身不回答问题；二是限定与例外，例如在数据量小于一万时改用另一种算法，这类句子读起来像补充说明；三是跨块才能成立的推理，单看一块不知所云。三类内容恰好构成了专业文章的可信度基础。

由于装配阶段通常只取重排前五到十块，排在十五名以后的块等于不存在。文章后半部分即使被召回，也很容易在这一步掉出前列。整条链路上，重排是最后一次机会，也是最偏向结论型文本的一次筛选。

装配阶段：预算挤占与位置效应

装配把选中的块拼成提示。顺序通常按分数降序或按原文顺序，两种策略各有问题：按分数会把同一篇文章的多个块打散，跨块逻辑彻底断裂；按原文顺序则可能让低分块占据开头这段黄金位置，把真正相关的内容推到中间。

位置效应在这里最明显。多项评测显示，放在提示中段的内容利用率显著低于开头与结尾，这一现象通常称为中间遗忘。一篇被切成十块的文章，中间四块的实际贡献远低于其篇幅占比，有时甚至不如被截断掉的尾部。

预算挤占同样常见。同一来源的多个块高度相似，去重不彻底时会占用大量额度，把其他来源挤出去。表现是回答内容很详细，但只反映了一篇文章的观点，缺少交叉验证。对读者而言这像是深度，对系统而言这是采样偏差。

后半篇为何被弱化：四个机制的叠加

第一，块内首句权重高。切块器与摘要模型都倾向于把块首句当作该块主旨，重排模型对首句的注意力也更高。而后半篇的块首句往往是从上一段承接过来的过渡句，例如由此可见、在此基础上，本身就缺乏可检索的信息。

第二，跨块语义断裂。后半篇的论证依赖前半篇建立的概念与口径，一旦分块，依赖关系消失，块变成孤立的断言。孤立的断言在事实上可能正确，但在可验证性上很弱，模型引用它的意愿也随之下降。

第三，重排对问题相关性的打分。用户的问题通常指向结论，而结论往往写在前半部分，后半部分的论证在相关性上天然吃亏。写得越严谨，推导越长，这一段越容易被判为低相关。

第四，抓取与抽取阶段的偏差。超长页面可能只被抓取前若干 KB，正文抽取算法也可能把后半部分误判为评论区、推荐位或模板内容而剔除。这一层发生在模型之前，内容生产者往往完全感知不到。

四个机制并不独立，而是相互放大。首句弱导致块分低，块分低导致排序靠后，排序靠后导致被截断，被截断后又反过来强化了结论优先的写作惯性。要打破这个循环，只能从写作结构入手，而不是靠增加篇幅。

标题层级与段落自包含性如何影响召回

标题是块的主题标签。检索系统通常会把标题路径与块正文一起编码，一个带二级、三级标题路径的块，主题可识别性明显高于裸文本块。反过来，如果全篇只有一个大标题加若干无标题长段，切块后每块都缺少主题信息，只能靠正文里的名词自救。

标题的写法也有讲究。写参数配置说明比写配置更能被召回，因为前者包含实体与动作，后者只包含一个泛化动词。写长文档切块为什么会丢失上下文比写切块问题更有效，因为前者把疑问句的语义放进了标题，正好匹配用户的提问方式。

自包含性有一个可操作的判断标准：把这一段单独剪切出来，脱离上下文，读者是否仍能知道在说谁、说什么、口径是什么。三个检查点分别是，是否出现完整实体名而不是代词，是否重复了必要的条件限定，是否在段内给出了结论而不只是铺垫。三条都满足，这一段就是合格的可检索单元。

一个成本很低的写法是每节开头用一句话重述本节要解决的问题，结尾用一句话给出结论。这两句会分别成为块首与块尾，恰好是权重最高、也最容易被引用的两个位置。它们同时承担了对外的摘要功能与对内的锚点功能。

引擎侧对超长页面的抓取与抽取取舍

搜索引擎对单页的抓取有字节上限与时间预算。超长页面可能只被读取前面一部分，尤其当页面包含大量脚本、内联样式或重复导航时，正文在字节流中的位置被推后，被截断的概率上升。正文越靠前，被抓全的可能性越高。

正文抽取算法通常基于文本密度、标点比例、链接密度判断主体区域。后半部分如果插入大量相关阅读、作者简介、课程推荐、评论区，抽取器可能提前结束正文，把有效内容判为噪声。这类误判在长文中比在短文中更常见，因为长文更容易被插入运营模块。

折叠内容、标签页内容、点击加载的图表数据，在多数引擎里不可见。分页文章如果没有规范的翻页关系标注，后续页面的权重明显低于首页，甚至被视为独立低质页。这些都属于工程层面的损失，与文字质量无关。

由此得出的经验值是单页正文控制在三千到八千字，超长主题拆成系列，用清晰的目录与互链组织，而不是堆在一页。同一主题拆成五篇互链的三千字文章，被完整抓取与分别召回的概率，通常高于一篇一万五千字的长文。

由此推出的八条写作规范

下面八条不是风格建议，而是针对上述机制的对策。每一条都对应一个具体的损失环节，可以单独实施，也可以叠加。

• 每节可独立成立：节首点题、节内自足、节尾收束，脱离全文仍能读懂，对应切块断裂
• 结论前置：每节第一句给判断，再展开理由，对应重排偏好直接回答
• 关键事实多处复现且表述一致：同一数字在摘要、正文、表格中用完全相同的写法，对应块内稀释
• 避免代词悬空：把该方案、上述方法替换为完整名词，一节内至少出现一次全称，对应边界丢失
• 清单化关键参数：阈值、单位、时间范围、口径逐条列出，每条自带主语，对应表格被切断
• 标题写实体与动作：标题中包含被讨论的对象与发生的动作，不写空泛的问题探讨，对应主题可识别性
• 一段一个论点：段长控制在三到六句，避免一段承载两个以上论证链，对应块大小与稀释
• 重要数字给出处与口径：写明统计时间、样本范围、计算方法，对应重排对可验证陈述的偏好

八条之中，性价比最高的是结论前置与代词替换。前者几乎不增加字数，后者只需要一次通读，二者合计能明显改善块首句的信息量，而块首句正是权重最高的位置。

这套机制对 GEO 策略的具体含义

第一，覆盖面优先于单篇长度。十个能被单独召回的自包含小节，胜过一篇一万字但只有开头能被召回的长文。内容规划应以问题簇为单位，一页解决一个可命名的问题，页与页之间用明确的主题边界区分，而不是把所有相关问题塞进同一篇。

第二，可引用单元要按句子设计。模型引用的是句子，不是段落。一句包含完整主语、口径、数值的陈述句，被原样引用的概率远高于一段需要概括的论述。把长句拆成主谓宾齐全的短句，把条件写进同一句而不是放到下一段，都是有效动作。

第三，一致性复现优于重复强调。同一数字在不同章节出现时保持完全相同的写法，包括单位、小数位、时间范围。表述不一致会让模型在装配阶段读到互相冲突的版本，进而选择回避或给出模糊回答，这比不被引用更糟。

第四，监测要看引用落点。用品牌词加问题词在目标引擎检索，记录引用来自文章哪个章节。如果长期只引首段，说明后半部分未被有效召回，应调整小节结构、补充节内结论、替换悬空代词，而不是继续增加字数。

五个常见误解

误解一，写越长越容易被引用。长度增加的是被切分的块数，不是被引用的概率。当单块信息密度下降，长文在重排阶段反而更容易落选。真正起作用的变量是自包含小节的数量与质量。

误解二，关键词密度能提升召回。向量召回对同义词与改写并不敏感，堆叠关键词只在关键词通道有效，且容易被重排模型判为低质量文本。合理的做法是在标题与小节首句使用完整术语，在正文使用自然表述。

误解三，加粗、表格、彩色标注能提升可引用性。抽取阶段格式会被剥离，只剩纯文本，真正起作用的是句子结构。表格的价值不在视觉，而在于它把参数组织成自带主语的短句，这一点用清单同样可以实现。

误解四，一篇文章覆盖所有相关问题最省事。主题越杂，向量越居中，对任何单一问题的区分度都下降。多主题长文在召回时往往只能命中开头的定义段，后面的分支问题全部失效。

误解五，被模型读到就等于被理解。装配进窗口只是第一步，位置居中、块内稀释、跨块断裂都会让它在生成时被忽略。可检索、可理解、可引用是三个不同层次的指标，需要分别优化。

常见问题解答（FAQ）

上下文窗口已经到 128K 甚至更大，还有必要关心切块吗

有必要，而且更重要。窗口变大只放宽了装配上限，没有改变召回与重排的筛选逻辑。检索系统仍然要在数万个块中选出前几个，块仍然是独立打分的单元。窗口越大，被塞进来的低相关块越多，中间遗忘与预算挤占反而更明显。结构清晰的短块在任何窗口下都更占优势。

文章只有两千字，会不会因为太短而不够用

字数不是门槛，覆盖才是。两千字如果能拆成四个自包含小节，每个小节独立回答一个具体问题，效果通常好过八千字的连续论述。真正的问题是短文章容易缺少限定条件与数据口径，导致内容不可验证，从而在重排阶段得分偏低。补充口径比补充篇幅更有效。

怎么快速判断一个段落是否自包含

做一次剪切测试：把这段单独复制到空白文档，去掉前后文，请一个不了解背景的同事读一遍，然后问他这段在说哪个对象、依据什么口径、得出什么结论。三个问题都能答对，说明自包含；任意一个答不出，就说明缺少实体名、限定条件或段内结论。

技术文章里的表格到底该不该用

该用，但要按可切分的方式用。一张超过十行的大表，被切断后后半部分会失去表头，读者与模型都无法解读。更稳妥的做法是拆成多张小表，每张不超过八行，自带表头与单位；或者在表格之后补一段清单，把关键参数用完整句子重述一遍。表格负责精度，清单负责可检索性。

为什么同一篇文章在不同引擎里的表现差很多

差异来自三处。抓取策略不同，有的引擎只读前若干 KB，有的会渲染脚本；切块参数不同，块大小从 256 到 1024 token 不等，同一段文字可能落在块中间也可能落在边界；重排模型不同，对结论型文本与论证型文本的偏好不一致。可迁移的做法是让每个小节在任意切法下都保持自包含，而不是针对某个引擎调格式。

每节开头都写一句摘要，会不会显得啰嗦

不会，前提是这句摘要携带新信息。合格的节首句是判断句，直接给出本节结论或要解决的问题；不合格的节首句是本节将讨论某某，只交代结构不交代内容。前者对读者是导读，对检索系统是高权重的可引用句；后者两边都不讨好。

核心术语在文中要出现多少次才合适

没有固定次数，判断标准是每个独立小节至少出现一次完整术语。因为小节会被单独切出，术语缺席的那一块就失去了主题锚点。同一小节内不必反复堆叠，用代词或简称承接即可，但节首必须给全称。跨节复现时保持写法完全一致，包括大小写与连接符。

如何验证文章的后半部分有没有被真正读到

做三组对照提问。第一组只问写在文章开头的事实，第二组只问写在中段的数据，第三组只问结尾的限定条件。如果第二、三组的回答出现模糊、回避或错误，说明后半部分未被有效召回或未被有效利用。再检查该节的块首句是否包含完整实体名，通常问题就出在这里。