token 是什麼，我怎麼知道我用了多少？
Token 是語言模型處理文字的最小單位，不是字也不是字元，而是介於兩者之間的東西。英文大概 4 個字母是 1 個 token，一個常見單字通常是 1-2 個 token。中文大概 1-2 個漢字對應 1 個 token。一頁 A4 英文約 400-600 tokens，中文因為字元密度高，同樣內容可能只要 200-400 tokens。
要知道你用了多少，最直接的方式是用 Anthropic 的官方 tokenizer 工具估算，或是在 API 回應裡看 usage 欄位（有 input_tokens 和 output_tokens 的數字）。一般使用者用 Claude.ai 聊天不會直接看到 token 數，但只要記住「長文件 = 大量 token = 佔掉很多空間」這個概念就夠用了。
我貼了一份很長的文件，結果 Claude 好像沒有讀完整份，這是為什麼？
可能有兩個原因。第一個是 context window 被塞滿了：如果你貼的文件加上前面的對話已經超過上限，後面進不去的部分會被截掉，Claude 只能讀到它能讀到的範圍。第二個原因比較微妙：即使文件在 context 上限以內，Claude 的注意力在很長的輸入上並不是均勻分佈的——有研究顯示它對文件的開頭和結尾注意力比較高，中間的部分可能被低估。
實務上的解法：如果你的問題只跟文件的某一部分有關，只貼那一部分。如果你需要 Claude 綜合整份文件，可以先把文件分段，分別讓 Claude 總結，最後再合併摘要，這比一次全部丟進去更可靠。
Claude Pro 和免費版的 context window 大小有差嗎？
有，但具體數字會隨版本更新。一般來說，Pro 版能使用的模型版本更新、context window 也可能更大；免費版可能被限制在舊版本或更小的 context 上限。目前 Claude 最新的旗艦模型支援的 context window 可以達到幾十萬 token，但具體上限要看 Anthropic 的當前官方說明。
更實際的問題是：對於一般使用者的日常對話，就算是舊版本提供的 context window 也已經非常大，絕大多數情況下不會遇到限制。真正容易撞到上限的情境是：你在做程式 review 並貼了大量程式碼、你在分析長報告、或者你有一個跑了幾十輪的長對話。在這些情況下，Pro 版提供更大的空間確實有實際意義。
進階：系統提示詞也佔 context window 嗎？這對開發者有什麼影響？
是的，系統提示詞（system prompt）也佔 context window 的空間，而且佔的是「固定成本」——每一次對話都要扣掉那些 token，不管你的系統提示詞是 100 個 token 還是 5000 個 token。
對開發者的實際影響：如果你在做 API 整合，系統提示詞越長，留給對話歷史和用戶輸入的空間就越少，同時每次 API 呼叫的成本也更高。這也是為什麼寫系統提示詞是一門需要精簡的藝術——把最關鍵的指令和規則留下，刪掉冗餘的說明。一個 5000-token 的系統提示詞和一個 500-token 的系統提示詞在效果上可能差不多，但前者會讓你的 API 成本顯著提高。Anthropic 的 prompt caching（提示詞快取）功能可以減少系統提示詞的重複計費，但那是另一個話題了。
如果你用 Claude 一段時間後，有沒有發現過這樣的情況：對話進行到後來，Claude 開始「忘記」你在前面說的事、給出和之前矛盾的答案、或者突然感覺品質下滑了？這幾乎都和一個東西有關：context window，也就是 Claude 的「工作記憶」。
這篇文章的目標是讓你真的搞懂 context window 是什麼、它裡面裝了什麼、裝滿了會發生什麼事，以及幾個讓你用得更聰明的實用技巧。
最直觀的比喻是：context window 就像你和 Claude 共用的一張便條紙，大小是固定的（以 token 計算，Claude 的上限在幾十萬到兩百萬 token 之間，依版本而定）。你說的每一句話、Claude 的每一個回應、你貼進去的每一份文件，都會佔用這張便條紙的空間。
Token 是語言模型處理文字的基本單位，不完全等於字。英文大概每 4 個字母是 1 個 token，一個完整的英文單字通常是 1-2 個 token；中文大概 1-2 個漢字對應 1 個 token。粗略估算：一頁 A4 的文字大概是 400-600 個 token。
每次你送出一個訊息，Claude 看到的不只是那一句話，而是整個便條紙上的所有內容，包括：系統提示詞（如果有的話，也就是設定 Claude 角色和規則的那段文字）、這次對話從頭到尾的所有訊息（你說的和 Claude 說的）、你貼進來的文件或上傳的檔案、以及你的這次新訊息。
這就是為什麼 Claude 能「記住」你之前說的事——它不是真的記憶，而是每次都重新讀一遍便條紙上的所有內容。重要推論：Claude 沒有跨對話的記憶。每次你開一個新的對話，便條紙就是空白的。
當對話內容加上你貼的文件超過 context window 的上限，不會有明顯的錯誤訊息。通常發生的是：最早的對話記錄被靜默地捨棄，讓新的內容能放進來。你可能不會立刻察覺，直到 Claude 給出一個「明明我之前說過了它卻忘了」的回應。
這就是為什麼長對話後期的回答品質常常下滑——不是 Claude 變笨了，而是它「看不到」對話早期你說的那些重要前提了。
第一，長對話要適時開新視窗。不要讓同一個對話無限延伸。當你感覺 Claude 開始「忘事」，或者主題已經轉換，開一個新對話，用幾句話摘要帶入必要的背景，比繼續撐著舊對話更有效。
第二，貼文件要注意大小。你貼進去的每一份文件都佔 context 空間。如果你有一份 50 頁的報告但只想問其中一節，只貼那一節就好，不要整份丟進去。或者先讓 Claude 幫你把長文件摘要，再用摘要繼續對話。
第三，把重要的事放在「近的地方」。Context window 裡不是所有內容等權重——一般來說，越靠近對話末尾的內容，Claude 越容易注意到。如果你有一個非常重要的限制或要求，在每次需要的地方都重複提一下，而不是只在對話開頭說一次就不管了。
理解 context window，你就知道 Claude 的「遺忘」不是 bug，是它運作方式的基本特性。這讓你可以主動管理對話品質，而不是被動地遇到問題後才困惑。最簡單的記住方式：Claude 每次回答都在重讀整張便條紙；你的工作是確保那張便條紙上有它需要的東西，而不是把便條紙塞得太滿。