बोला गया सारांश — साथ पढ़ने के लिए प्ले दबाएँ: बोली जा रही पंक्ति ऊपर रहती है।
आप क्या सीखेंगे
अनुमानित समय: 30 मिनट
इस पाठ के अंत तक आप सक्षम होंगे:
- Context window को एक निश्चित आकार के कंटेनर के रूप में समझाना और लंबे दस्तावेज़, लंबी बातचीत और क्रॉस-सेशन मेमोरी के लिए इसका क्या मतलब है
- इस संपत्ति की "cliff" प्रकृति को दूसरों के क्रमिक क्षरण की तुलना में पहचानना
- Context-as-leverage रणनीतियों को लागू करना: महत्वपूर्ण सामग्री को आगे रखना, लंबे काम को विभाजित करना, महत्वपूर्ण context को फिर से प्रदान करना
- Memory, compaction, projects/workspaces, और बड़ी windows को इस सीमा को संबोधित करने वाली उत्पाद सुविधाओं के रूप में पहचानना
Context window generative AI आउटपुट को कैसे प्रभावित करता है
(6 मिनट)
जो कुछ भी AI ध्यान दे रहा है वह context window नामक एक निश्चित आकार के कार्यक्षेत्र के अंदर रहता है। यह वहां जो कुछ है उस पर ध्यान दे सकता है। यह इसके बाहर कुछ भी नहीं देख सकता। यह बाधा अन्य संपत्तियों की तुलना में कठोर है: चीजें तब तक काम करती हैं जब तक वे नहीं करतीं।
Context window: AI की working memory
पढ़ने से पहले
आप AI को 50-पृष्ठ के अनुबंध की समीक्षा करने के लिए कहते हैं। आपको परिणाम की कितनी बारीकी से जांच करनी होगी? निरंतरता पर एक स्थान चुनें, फिर अपना अनुमान लॉक करें।
Next Token Prediction Knowledge Working Memory Steerability
##
क्षमता सीमा
इस पर विश्वास करें स्पॉट-चेक विवरण जांचें सावधानीपूर्वक सत्यापित करें उच्च जोखिम
आपका अनुमान
विशिष्ट
यह क्या सक्षम करता है
यह विशेषता कहां विफल होती है
उत्पाद सुविधाएं जो किनारे को आगे बढ़ाती हैं
एक स्टॉप चुनें, फिर अपना अनुमान लॉक करें। एक बार जब आप ऐसा करते हैं तो पाठ खुल जाता है।
अपना अनुमान लॉक करें
अपनी अंतर्ज्ञान की जांच करें
अपने अनुमान को ऊपर लॉक करें विशिष्ट प्लेसमेंट के विरुद्ध तुलना करने के लिए।
अनुकूलित करें
बार ऊंचाई
चित्रलेख आकार
पैलेट Sky → Clay Olive → Clay Cactus → Fig Slate → Clay
मुख्य बातें
- Working Memory यह तथ्य है कि AI मॉडल के पास एक निश्चित context window है जिस पर यह ध्यान दे सकता है।
- क्षमता क्षेत्र: आपकी सामग्री आराम से फिट बैठती है, सेशन वर्तमान है, आप प्रासंगिक context प्रदान कर रहे हैं।
- सीमा क्षेत्र: बहुत लंबे दस्तावेज़ या बातचीत, सेशन के बीच निरंतरता की अपेक्षा, लंबे इनपुट के बीच में महत्वपूर्ण जानकारी को दबाना।
- इस संपत्ति में एक gradient के बजाय एक cliff है। Silent truncation विफलता का तरीका है, और आपको हमेशा चेतावनी नहीं दी जाएगी।
- मॉडल आपके सुधारों से नहीं सीखता है। यह केवल वर्तमान में context में जो है उसका जवाब देता है।
- Memory सुविधाएं, compaction, projects, बड़ी windows, और multi-agent workflows सभी इस cliff को आगे बढ़ाने के लिए मौजूद हैं।
- 4D कनेक्शन: Working Memory वह है जिस पर Description कार्य करता है। यह जानना कि window कैसे काम करता है आपको बताता है कि context को कैसे संरचित करें, कब आगे रखें, और कब नई शुरुआत करें।
अभ्यास
अभ्यास: पहले और बाद में
_क्यों? Context leverage है। सही context के साथ आपूर्ति किया गया एक ही कार्य, एक औसत दर्जे के पहले ड्राफ्ट से कुछ वास्तव में उपयोगी हो सकता है। यह अभ्यास इसे ठोस बनाता है।_
अपनी Lesson 1 सूची से एक कार्य चुनें जो केवल आप रखते हैं context से लाभान्वित होता है: एक शैली गाइड, अच्छे काम का एक पिछला उदाहरण, आपकी भूमिका या दर्शकों के लिए विशिष्ट बाधाओं का एक सेट। दो या तीन पंक्तियों में लिखें कि इस कार्य के आउटपुट के लिए "अच्छा" क्या दिखता है, स्पष्ट रूप से वर्णित है ताकि एक अजनबी इसका मूल्यांकन कर सके।
अब तीन probes चलाएं:
- Probe 1: Cold start बनाम context। शून्य context के साथ अपने कार्य के लिए पूछें। बस नंगी request। आउटपुट सहेजें। फिर एक नई बातचीत शुरू करें और एक ही कार्य चलाएं, इस बार अपनी शैली गाइड, पिछला उदाहरण, या बाधाओं को आगे की ओर प्रदान करें। दोनों आउटपुट को अपनी "अच्छा" परिभाषा के विरुद्ध तुलना करें। अंतर को मापें।
- Probe 2: Lost in the middle। एक लंबा दस्तावेज़ लें (या संदर्भ सामग्री के कुछ पैराग्राफ को एक साथ पेस्ट करें)। इसके बीच में एक विशिष्ट, महत्वपूर्ण निर्देश को दबाएं। एक प्रश्न पूछें जिसका सही उत्तर उस दबे हुए निर्देश पर निर्भर करता है। क्या AI ने इसे पकड़ा? अब उस निर्देश को बिल्कुल शीर्ष पर ले जाएं और फिर से पूछें। तुलना करें।
- Probe 3: The blank slate। एक छोटी सी बातचीत करें जहां आप AI को अपने काम के context के बारे में कुछ विशिष्ट सिखाते हैं, या इसे कुछ गलत पर सुधारते हैं। फिर एक बिल्कुल नई बातचीत खोलें और एक प्रश्न पूछें जो मानता है कि यह याद रखता है कि आपने इसे क्या सिखाया। इसे शून्य से शुरू करते देखें।
अपनी कार्य सूची पर वापस जाएं और एक तीसरी टिप्पणी जोड़ें: कौन से कार्यों को standing context सेट अप की आवश्यकता है (एक project, सहेजे गए निर्देश, अपलोड किए गए संदर्भ दस्तावेज़) चलाने के लिए लायक हैं, और कौन से cold से ठीक काम करते हैं?
Stretch goal: यदि आपके टूल में memory या project सुविधाएं हैं, तो Probe 1 से context के साथ एक सेट अप करें। कार्य को फिर से चलाएं। Cold-start संस्करण के विरुद्ध प्रयास और गुणवत्ता की तुलना करें।
पाठ प्रतिबिंब
- Front-loading context ने आउटपुट गुणवत्ता को कितना बदला? क्या अंतर आपकी अपेक्षा से बड़ा था?
- Standing context का एक टुकड़ा क्या है जिसे आप इस सप्ताह सेट अप करेंगे ताकि आपको खुद को फिर से समझाना न पड़े?
अगला क्या है
अंतिम संपत्ति: Steerability। जब आप निर्देश देते हैं तो आप वास्तव में कितने नियंत्रण में हैं, और वह नियंत्रण कहां टूट जाता है?
प्रतिक्रिया
जैसे-जैसे आप पाठ्यक्रम के माध्यम से आगे बढ़ते हैं, हम आपसे सुनना पसंद करेंगे कि आप पाठ्यक्रम से अवधारणाओं का उपयोग अपने काम में कैसे कर रहे हैं, साथ ही आपके पास कोई भी प्रतिक्रिया हो सकती है। अपनी प्रतिक्रिया यहां साझा करें।
स्वीकृति और लाइसेंस
Copyright 2026 Anthropic. Original work building on the AI Fluency Framework developed by Prof. Rick Dakan (Ringling College of Art and Design) and Prof. Joseph Feller (University College Cork). Released under the CC BY-NC-SA 4. 0 license.