大家好。
在上一节课，我们知道了“大模型 (LLM)”是 AI 的大脑。今天，我们要聊聊这个大脑是怎么阅读和记忆的。
新手在使用 AI 时，最常吐槽两个问题：
“为什么用某些 AI 工具那么贵，动不动就提示额度用完了？”
“为什么我跟它聊了半个小时，它突然把我最开始提的要求给忘了？”
要解答这两个痛点，你必须搞懂 AI 世界里的两个核心术语：Token（词元） 和 Context（上下文）。
一、 什么是 Token？—— AI 的“乐高积木”与计费尺
你可能会觉得：“AI 肯定跟我一样，一个字一个字地读啊。” 错！
AI 的世界里没有“字”和“词”，只有一种叫 Token（词元） 的东西。 你可以把 Token 理解为**“乐高积木块”**。AI 就是通过拼接这些积木块来理解和生成语言的。
最要命的是，中文和英文的“积木块”大小是不一样的：
英文：通常一个单词就是一个 Token。
比如：
AI is smart-> AI 脑子里是 3 块积木[AI][is][smart]。消耗 3 个 Token。
中文：通常一个汉字需要 1 到 2 个 Token。
比如：
AI 很聪明-> 因为中文结构复杂，AI 会把它拆得更碎，脑子里可能是[A][I][很][聪][明]，甚至拆成笔画级别的积木。消耗 5 到 8 个 Token。
核心结论： 中文比英文更“费积木”。 同样意思的一句话，中文消耗的 Token 通常是英文的 1.5 到 2 倍。由于绝大多数 AI 工具都是按 Token 数量来计费的，这就意味着用中文和 AI 聊天，天生就比用英文更费额度、更耗成本。
二、 什么是 Context？—— AI 的“办公桌”与“金鱼记忆”
讲完了 Token，我们来看看与之紧密绑定的 Context（上下文窗口）。
什么叫上下文？ 想象一下，AI 的脑子里有一张办公桌，这张桌子的大小就是 Context（上下文窗口）。
你发给它的所有资料、你和它的聊天记录，全都要摆在这张办公桌上，它才能看着这些资料回答你的问题。
但是，这张桌子是有物理边界的！
假设某个 AI 的桌子最多只能放下 8,000 个 Token 的积木：
你先告诉它：“你是一个脾气暴躁的客服。”（消耗 50 个 Token，摆在桌边）。
然后你丢给它一份长达一百页的超大物流发货单和财务报表，让它分析。（消耗 10,000 个 Token）。
发生什么事了？ 因为桌子只能放下 8,000 个，后面源源不断涌进来的报表积木，硬生生把最开始的那 50 个“暴躁客服”的积木挤掉到地上了！
这就是所谓的**“超出上下文窗口”。 此时，AI 已经彻底失忆**了。它完全忘记了自己是个“暴躁客服”，开始用极其平淡的机器人口吻给你分析报表。你觉得它变笨了，其实是它的“办公桌”塞满了。
三、 避坑指南：给小白的 3 个实操建议
懂了这两个概念，你在实战中就能秒杀 90% 的普通用户：
别把它当无限网盘用： 不要一上来就把几十万字的公司资料一股脑全贴给 AI。先精简提炼核心内容，或者把长文档拆分成几部分，否则前面的重点一定会被它“忘掉”。
发现它变笨了？果断“新建对话”： 如果你和 AI 聊了很久，它开始胡言乱语或者忘记前文，不要试图纠正它。直接点击界面上的**“New Chat / 新建对话”。这相当于一键清理了它的办公桌**，让它清空记忆，重新轻装上阵。
最重要的话，留在最后说： 如果你的任务很长，把你最核心的指令（比如：“请严格按照表格输出，不要有废话”）写在文本的最末尾。因为最后面的 Token 是刚放上办公桌的，AI 印象最深。
四、 课后互动
纸上得来终觉浅。今天不留复杂的作业，请大家在评论区分享：
“你之前有没有遇到过 AI 突然‘变笨’、答非所问、或者忘了你最初设定的要求的情况？现在你知道是为什么了吗？”
(欢迎大家吐槽自己以前踩过的坑！)
没有评论。