Context Window（上下文窗口）是 AI 模型在一次對話中能處理的最大文字量，以 Token 為單位計算。Token 不完全等於字——英文大約每個 Token 對應 3/4 個詞，中文大約每個 Token 對應半個字。
Claude 的 Context Window 是 200,000 Token，是目前主流模型中最大的之一。做個對比：GPT-4o 是 128K Token，Gemini 1.5 Pro 的標準模式是 128K（Pro 版可達 1M 但速度較慢）。
Context Window 包含什麼？
你在這次對話裡輸入的所有文字、Claude 的所有回覆、你上傳的文件內容（如果你在 claude.ai 上傳了文件）、Claude Projects 裡的 Instructions 和知識庫文件——這些全部都算在 Context Window 的用量裡。
超過上限會發生什麼？
Context Window 是一個滾動的窗口。當總內容超過 200K Token 時，最早的對話內容會被「推出窗口」——Claude 不是拒絕回答，而是那部分內容在它的視野之外了。你可能會發現它「忘記」了你在對話最開始說的事情，這就是 Context Window 滿了的典型表現。
實際的體感：200K Token 可以放入一本 400 頁的書、整個小型代碼庫的主要文件、或者連續 8 小時的逐字稿。對大多數日常任務，你幾乎不會碰到 Context Window 的上限。
Context Window 和「記憶」功能的差別是什麼？
這是很多人混淆的概念。Context Window 和「記憶」是兩個完全不同的東西：
Context Window（上下文窗口）：這次對話裡的所有內容。對話結束後，Context Window 裡的內容就消失了——你開一個新對話，之前說過的話 Claude 完全不知道。每次新對話都是全新的開始。
記憶功能（Memory）：Claude 從過去對話裡提取和保存的個人資訊，可以跨對話使用。比如 Claude 知道你的名字、工作背景、偏好，是因為它的記憶系統記住了，而不是因為這些資訊在當前的 Context Window 裡。
Claude Projects 的 Instructions：類似「永久的系統設定」，每次在同一個 Project 裡開對話，Instructions 都會自動載入到 Context Window 裡。這讓你不需要每次都重複說明背景，但這部分 Instructions 確實佔用 Context Window 空間。
一個記憶比喻幫助理解：Context Window 是你在這次會議上攤開的所有文件（會議結束就收走）；記憶功能是你記事本裡的重要摘要（下次還在）；Projects Instructions 是每次開會都會帶來的固定會議資料。
為什麼在很長的對話裡，Claude 有時候會「忘記」前面說過的事？
這是 Context Window 滿了的直接表現。當對話累積的總 Token 數接近或超過 200K 上限時，Claude 無法再看到最早的對話內容——它沒有選擇性地忘記，而是那些內容已經不在它的處理範圍內了。
幾個實際的解決方式：
策略一：及時開新對話。把一個大任務拆分成多個對話，每個對話聚焦一個子任務。不要試圖在一個超長的對話裡做所有事情。
策略二：在重要的時機做小結。當對話變長時，讓 Claude 幫你整理一份「目前的重點摘要」，然後開新對話，把摘要作為背景貼入，繼續工作。
策略三：用 Claude Projects 管理持久上下文。把你希望每次對話都記住的背景資訊放在 Project Instructions 裡——這樣不管開多少個新對話，Claude 都能存取這些資訊，不需要每次重複說明。
在 claude.ai 裡確認 Context 使用量：可以在對話的設定裡查看目前的 Context Window 使用百分比，這樣能預判什麼時候需要開新對話或做小結。
Context Window 的大小對我選擇 AI 工具有多大影響？
對普通用戶，Context Window 的大小在大多數日常任務上差距不大——你的工作郵件、日常問答、短篇寫作，遠遠用不到 128K，更別說 200K 了。
Context Window 真正重要的場景：
分析長篇文件——合約審查、研究報告、代碼庫分析。如果你需要讓 AI 一次讀完一份 200 頁的合約，128K 的模型可能需要分段處理，而 Claude 的 200K 能一次放入。
長對話累積——如果你有一個任務需要很多輪對話才能完成（如逐步設計一個複雜系統），更大的 Context Window 意味著 AI 能在整個對話裡保持一致的理解。
多文件整合分析——同時分析多個文件並找出關聯，更大的 Context Window 讓你能一次放入更多素材。
給你的實際建議：如果你的工作以上述場景為主，Claude 的 200K 是一個有意義的優勢。如果你的工作主要是日常問答和短篇任務，Context Window 的大小對你沒什麼影響，選其他因素（如輸出品質、費用）做決策更有意義。
一位律師需要審查一份 150 頁的 M&A 合約，找出所有涉及賠償條款的段落並評估風險。
沒有充足 Context Window 的做法：把合約切成 10 份，逐段讓 AI 分析，最後自己手動整合十份分析結果——費時、容易漏掉跨段落的關聯條款。
用 Claude 200K Context Window 的做法：把整份合約一次貼入 Claude，說「請找出所有涉及賠償、免責、責任上限的條款，按風險程度分類，並指出條款之間有無衝突」。Claude 能看到整份合約，識別跨頁面的相互引用，給出一份完整且有整體視角的分析。
這個差別在法律、金融、技術文件審查等場景裡非常實際——Context Window 的大小直接決定了 AI 能不能對你的文件有「整體理解」，而不只是「片段理解」。
Context Window 大小的核心取捨是「處理能力 vs 費用和速度」。更大的 Context Window 意味著你能一次處理更多內容，但每次 API 呼叫傳輸的 Token 更多，費用也更高、延遲也更長。在 claude.ai 的日常使用裡，你不用擔心這個取捨——費用已經包含在訂閱裡了。對 API 開發者，一個設計良好的應用會管理 Context Window 的使用：只放真正需要的內容，用滑動窗口管理對話歷史，避免把不必要的內容一直累積在 Context 裡浪費費用。