对话,原来是一条不断延长的纸带。
写下一句话,看它如何成为下一次回答的上下文。
教学演示 · 离线运行
0教学窗口 512 tokens512
本次输入与输出预留超出教学窗口。先选择怎样处理历史,或调大窗口。
规则与环境用户助手工具与协作材料与状态
步骤 0 / 3等待打开 Agent卷动与折叠只改变显示,不会清除上下文。
所有输入都会进入教学模拟 Loop;回复与外部数据使用教学素材,不连接在线 AI。
当前是第 1 张纸
不是所有上下文,都来自聊天框。
按“何时加载、装入什么、进入哪条纸带”理解日常接触的 Agent 概念。
拿起这条纸带,试着做一次接力。
这是可以离线分发的教学实验,不连接在线模型或真实数据库。
三种玩法
- 跟着看:选择基础实验,按“下一步”观察每一段;“播放演示”会自动接续。
- 亲手试:打开 Agent,在下方输入消息;点快捷问题或“加入上下文”触发预设流程。任意自由文本会进入纸带,触发可见的意图摘要与教学模拟回复;按任务类型加入工具接力,不冒充真实在线模型。
- 追踪 Agent:进入“Agent 全流程”,连续经历规则 → Skill → 文件筛选 → SQL → MCP → 子 Agent → Team → Hook → 压缩。点分支按钮查看不同 Agent 各自的纸带。
纸带怎样读
点片段看来源、触发时刻、内容载体与真实分词。片段宽度为了便于阅读,并不代表 token 比例;下方容量尺才按正文 token 比例绘制。新片段会把视口推向末端,旧片段可以折叠、回看。
“对话纸带”保留完整的本页档案;“本次上下文”显示目前选中的输入与已接续的输出。截取、摘要后,二者会不同。生成时的视角包含正在接续的输出,不表示它已经在开始生成前全部作为输入发送。
为什么另起一个对话
不相关历史会占空间,可能带来干扰、歧义和过时约束。换任务时可以比较:继续混聊、截取历史、压缩摘要、新建对话。旧信息也可能有用,不是每个新问题都必须另开对话。本页的“无关历史”按素材话题标签计算,是教学标记,不是对真实模型注意力或准确率的测量。
“清空历史”重置当前纸带的问答、材料与结果;“新建对话”另外保存上一张纸供比较,并重新装配基础规则与选中的记忆。记忆开关只影响本页预设记忆;真实产品的保存、检索、删除方式各不相同。
准确性与边界
- 文本用内嵌 gpt-tokenizer 2.9.0 的 cl100k_base 真实切分。各段独立计数后求和,未计角色封装、特殊分隔、隐藏服务提示等开销,不代表真实 API 的完整用量。
- 图片、音频、视频显示的是教学说明片段;数值仅是该说明的文本 token,不是实际多模态编码用量。
- 输入与输出预留共用教学容量。真实产品对推理 token、工具预算和输出限制的处理依模型与服务而异。页面不展示或伪造模型隐藏思维链。
- Skill、MCP、Sub Agent、Team、规则与 Hook 的加载方式因宿主而异。本页展示一种常见且可追踪的工作流,不是全平台统一协议,也不能窥见真实服务的隐藏上下文。
- 模型参数不是按请求装入的文本。预训练、后训练与强化学习改变参数;一次普通对话不等于训练。截图里的“互联网压缩包”是比喻,不是固定容量或即时联网能力。
- 外部材料中的命令句仍是待分析内容。权限判断和工具执行由宿主负责,不能仅凭文字指令升级。
- 本地文件只读入浏览器内存;支持 UTF-8 TXT/Markdown,最多 32 KB 且不超过 8,000 字符。不保存会话到磁盘;刷新或关闭后恢复初始实验。没有后台请求。