Чем больше контекста дать ИИ, тем лучше будет ответ?

Больше контекста не гарантирует точность. Как сохранять цели, доказательства и состояние задачи при передаче работы и сжатии истории.

Работа над задачей длится уже несколько дней, а переписка становится всё длиннее. Вы боитесь, что ИИ что-нибудь забудет, поэтому снова отправляете ему старые планы, журналы ошибок, историю изменений и справочные материалы, добавляя в конце: «Продолжай с учётом всего контекста».

Так у ИИ будет больше информации, но не обязательно больше ясности о том, что делать сейчас. Старый план мог быть отменён, журнал ошибок мог относиться к состоянию до исправления, а пометка «готово» могла быть лишь прежней оценкой, которую никто не проверил.

На самом деле нужно упорядочить другое: на какие факты опираться на этом этапе, какие ограничения соблюдать и какой результат получить.

Ранее мы затрагивали контекстную инженерию в статье «Хотите, чтобы ИИ стал умнее? Не спешите менять модель». Теперь применим её к передаче длительной задачи и продолжению работы над ней. Эта статья опирается на опубликованные исследования и инженерные материалы, проверенные по состоянию на 10 ноября 2026 года. Описанный ниже способ сравнения ещё не применялся; статья не содержит результатов измерений, подтверждающих улучшение.

Если информацию можно вместить, это не значит, что модель сумеет надёжно ею воспользоваться

Контекстное окно определяет объём информации, который модель может принять за один раз. Но сам по себе этот объём не доказывает, что она правильно использует каждый фрагмент.

Исследование «Lost in the Middle» показало на задачах ответов по нескольким документам и поиска значений по ключам, что положение релевантной информации влияет на результаты проверенных моделей. Когда информация находилась в середине длинного контекста, результаты особенно часто ухудшались.[1]

Исследование опубликовано в 2023 году. На его основании нельзя утверждать, что все современные модели испытывают эту проблему в одинаковой степени, и тем более нельзя вывести универсальный «оптимальный объём текста». Оно напоминает о другом: эффективность длинного контекста нужно оценивать по результатам конкретной модели на конкретной задаче, а не только по заявленному размеру окна.

В статье Anthropic о контекстной инженерии также подчёркивается необходимость отбирать ценную информацию и поддерживать контекст в актуальном состоянии по мере выполнения задачи. Рекомендация состоит не в том, чтобы сокращать всё подряд, а в том, чтобы убирать избыточное, сохраняя достаточно сведений об ожидаемом поведении.[2]

Например, при анализе взаимных отсылок между пунктами договора может быть важно сохранить полный контекст. А при исправлении конкретной ошибки кнопки весь исходный код несвязанных модулей не обязательно поможет больше, чем нужные файлы, шаги воспроизведения и результаты проверок.

В длинной переписке легче всего перепутать «раньше» и «сейчас»

Предположим, мы готовим публикацию для блога и в переписке есть три сообщения:

Первая версия: пока не публиковать.

Вторая версия: можно опубликовать на сайте.

Текущее требование: опубликовать на сайте, а для WeChat и Zhihu только сохранить черновики.

Все три сообщения действительно были, но по-разному ограничивают текущие действия. Если в краткой записи для передачи задачи написать только «пользователь разрешил публикацию», потеряется разграничение по платформам. Если сохранить лишь первую версию, остановится работа, на которую уже дали разрешение.

Ещё одна просьба «читай внимательно» не решит эту проблему полностью. В записи нужно указать действующие требования и отметить, каким решением были заменены прежние.

Точно так же следует различать «вызвали API сохранения» и «повторным чтением подтвердили, что черновик существует». Первое — запись о действии, второе — подтверждение, на которое можно опираться, решая, нужна ли повторная отправка.

Информация Как рекомендуется сохранять Что сделать перед продолжением
Текущая цель пользователя и рамки задачи Кратко перечислить, сохранив при необходимости исходную формулировку или ссылку на источник Проверить, не изменили ли последующие сообщения рамки задачи
Текущие файлы и версии Указать пути, версии или идентификаторы коммитов Прочитать фактическое содержимое файлов
Выполненные действия Указать идентификаторы объектов, ответы системы и результаты проверки При неоднозначности проверить результат, а не сразу повторять действие
Ошибки и нерешённые вопросы Указать конкретные точки сбоя и уже опробованные способы Различать «не выполнялось», «выполнилось с ошибкой» и «результат неизвестен»
Прежние альтернативные планы Оставить в архиве с указанием причин отказа Читать при необходимости восстановить историю решений

Эта таблица предлагает способ организации задачи, а не гарантирует возможности модели.

Сначала краткое состояние, затем возможность обратиться к источникам

Полезный пакет для передачи задачи может состоять из краткого описания состояния и материалов, к которым можно обратиться для проверки.

Краткое описание отвечает на вопрос «где мы сейчас?», а файлы, журналы и ссылки — на вопрос «на чём основан этот вывод?». Необязательно одновременно помещать всё это в контекст модели.

Anthropic называет загрузку материалов по мере необходимости стратегией «just in time»: сохранять небольшие указатели, например пути к файлам, и читать содержимое, когда оно понадобится. При этом компания отмечает, что изучение материалов во время выполнения задачи требует ресурсов и может увеличить время работы; без удобного способа поиска модель всё равно может пропустить важные сведения.[2]

Поэтому недостаточно просто дать ИИ путь к каталогу и предположить, что он обязательно найдёт ответ. Можно составить явный указатель:

Задача: опубликовать статью A на сайте и сохранить черновики на двух платформах.
Рамки: на сайте — открытая публикация; в WeChat и Zhihu — только черновики.
Текущая версия: путь к файлу с текстом и соответствующему файлу обложки.
Готово: статья размещена на сайте; публичный URL и запись о проверке текста находятся в указанном файле.
Осталось: повторно прочитать черновик в Zhihu и подтвердить его наличие.
Неизвестно: один запрос на сохранение завершился по тайм-ауту; неизвестно, были ли данные записаны.
Следующий шаг: сначала найти черновик по заголовку и ссылке на оригинал; затем по результату решить, нужен ли повторный запрос.
Критерий приёмки: отдельно сообщить о состоянии публичной страницы и черновиков; не представлять всё как опубликованное.

Это пример шаблона: пути и ответы системы нужно заменить реальными данными. Его смысл в том, чтобы разнести цель, состояние, подтверждения и следующий шаг по отдельным строкам. Тогда у слова «продолжай» появится конкретное значение.

При сжатии не теряйте неопределённость

Для длительной задачи нужна краткая запись состояния, но при сокращении текста могут исчезнуть важные оговорки.

Если «запрос на отправку завершился по тайм-ауту, результат пока не проверен» превратится в «отправка не удалась», на следующем этапе можно случайно создать дубликат. Если «проверили только локальный предпросмотр» превратится в «проверка пройдена», можно пропустить проверку опубликованной страницы.

Anthropic также предупреждает при обсуждении сжатия контекста, что чрезмерное сокращение способно удалить малозаметные, но важные сведения — особенно условия, значение которых проявляется лишь позже.[2]

Более надёжный подход — явно разделять в краткой записи три вида информации: наблюдавшиеся факты, выводы на их основе и то, что ещё не подтверждено. Сохраняйте ссылки на источники, а при возобновлении задачи повторно проверяйте состояния, от которых зависит следующий шаг.

Нужно сохранять и первоначальные критерии приёмки. Если после нескольких сокращений от них останется только «привести страницу в порядок», могут исчезнуть требования к отображению на мобильных устройствах, меткам доступности и сохранению данных.

Короткий ответ сам по себе не доказывает, что организация контекста помогла

Проверять, улучшила ли организация контекста результат, нужно на сопоставимых задачах.

Можно подготовить два комплекта материалов: в одном сразу дать исходную переписку, в другом — краткое описание текущего состояния и источники для чтения по мере необходимости. Для обеих групп следует сохранить одинаковые модель, требования к задаче, права на использование инструментов и критерии приёмки, а также записать, какие материалы фактически были загружены.

При сравнении стоит как минимум отслеживать, не пропущены ли требования, не использовано ли устаревшее состояние, не повторены ли уже выполненные действия, сколько раз пришлось переделывать работу, а также общее время и стоимость вызовов. Не стоит выбирать только один удачный пример: результаты модели могут колебаться, поэтому несколько повторений будут показательнее.

Полезно предусмотреть и контрпримеры. Если задача требует сопоставить множество разделов, не удалило ли краткое описание необходимые детали? Если указатель файлов неполон, не окажется ли поиск по мере необходимости хуже, чем предоставление полного текста?

Хорошая организация контекста убирает лишние материалы, но сохраняет детали, без которых задачу не выполнить. Если эти цели вступают в противоречие, сначала нужно обеспечить выполнение задачи с проверяемым результатом, а уже потом обсуждать, сколько текста удалось сэкономить.

Источники

  1. Liu и др.: Lost in the Middle: How Language Models Use Long Contexts, 2023. В статье использованы описанные в аннотации задачи и влияние положения информации; результаты экспериментов со старыми моделями не распространяются на все современные модели.
  2. Anthropic: Effective context engineering for AI agents, 2025-09-29. По этому источнику сверены инженерные рекомендации и ограничения, касающиеся отбора контекста, поиска по мере необходимости, сжатия и структурированных заметок.

Концептуальная иллюстрация создана ИИ; это не фотография испытаний и не схема топологии сети.

Обсуждение

Задайте вопрос или поделитесь опытом. Комментарии появляются после проверки. Адрес почты не публикуется. Конфиденциальность комментариев

Загрузка комментариев…