窗口能容纳大量资料，不表示模型能稳定利用所有关键证据。
输入长度、证据位置、重复内容与输出预算共同影响任务质量。检索缩小范围仍有价值，长上下文与高相关性不是同一能力。
一、问题的范围与前提
模型负责语言或特征推断，检索提供候选材料，程序验证结构与权限，执行层管理实际动作。各部分成功条件应单独定义。生成流畅、JSON 合法和工具调用受理，都不足以独立证明事实正确或业务已经完成。
二、技术分析与方案取舍
容量上限回答能放多少 token，质量评价回答关键证据是否被正确使用。把相同事实放在开头、中间和末尾，再加入无关重复材料，可以观察位置与干扰影响。保留输出预算，输入占满窗口可能使答案被截断。检索缩小候选仍有价值，长上下文不是取消资料整理的理由。
测试应包含否定条件、数字计算、跨段引用和来源冲突，分别评价遗漏与编造。显存与延迟随输入长度变化，需要同时记录，不能只测短请求后承诺最大窗口可用。
先选择一个明确任务，固定输入、模型和工具范围，完成小样本端到端验证，再扩展数据与并发。引用和计算使用可反查证据，外部内容不授予执行权限。资源、上下文与时间都有预算，失败状态能被查询和恢复，避免在结果未知时盲目重做。
三、实现与排查的顺序
- 设计跨位置问题。
- 比较检索与全量输入。
- 固定输出规则。
- 记录质量和资源。
按这个顺序保留中间结果，可以区分输入条件、处理过程和最终输出。前一阶段的条件不成立时，先解释对应错误，再继续后面的试验；单次返回成功不足以覆盖整条链路。
最小示例
1
2
请求预算 = 系统说明 + 历史 + 工具定义 + 工具结果 + 当前输入
可用输出空间 = 服务窗口 - 最终输入占用
token 与字符不是同一单位，模板也参与输入。摘要保留否定、约束和证据身份，服务实际配置与客户端展示同时核对。
四、验证和结果解释
评估集覆盖正常、困难与越权条件，保存事实错误、引用错误、格式错误和工具错误的区别。模型输出与业务结果分开测量，目标指标不能冒充实测。已有官方能力说明只能支持候选范围，最终质量仍取决于目标数据和环境。
| 需要验证的结果 | 保留的对照 | 不能由此推出的结论 |
|---|---|---|
| 关键约束不丢失 | 固定输入与配置、对应输出 | 一次成功代表所有条件成功 |
| 长短输入结论一致 | 中断前后状态与错误阶段 | 没有报错代表结果正确 |
| 成本和延迟有记录 | 恢复后的同条件复测 | 临时恢复代表根因已经消失 |
验证材料缺失、错误检索、依赖中断、资源不足与操作取消。系统应收窄结论或明确失败，不能为了给出答案补造证据。模型版本与处理参数成对保存，变更后重跑固定问题集，防止更自然的表达掩盖任务能力退步。
五、适用边界与结论
不以标称最大窗口推断实际工程效果，服务配置仍需核验。
这条路径把“设计跨位置问题”与“记录质量和资源”连在一起，中间保留可复查的条件。实施时优先确认“关键约束不丢失”，再检查“成本和延迟有记录”；两者都满足，才能在当前样本与配置范围内评价方案。设备、数据或软件版本改变以后，相关假设需要重新验证。
