[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-context-window":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":154},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":110,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":111,"related":125,"views_count":151,"helpful_yes_count":114,"helpful_no_count":114,"created_at":152,"updated_at":153,"published_at":17},267,"context-window",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"Контекстное окно","Максимальное количество токенов, которые языковая модель может видеть одновременно — её рабочая «оперативная память».","Контекстное окно — это сколько токенов модель видит одновременно: системный промпт, история диалога, приложенные документы и сам запрос. Всё, что не помещается в окно, модель просто не видит. У современных моделей оно варьируется от нескольких тысяч до миллиона токенов и больше: чем окно больше, тем более сложные задачи решаются за один запрос, но тем дороже и медленнее ответ.","\u003Cp>Контекстное окно — фундаментальное ограничение работы с языковыми моделями. У модели нет долгосрочной памяти: всё, что она знает о текущем разговоре, должно лежать внутри окна.\u003C\u002Fp>\u003Ch3>Из чего состоит контекст\u003C\u002Fh3>\u003Cul>\u003Cli>\u003Cstrong>Системный промпт\u003C\u002Fstrong> — общие инструкции и роль модели.\u003C\u002Fli>\u003Cli>\u003Cstrong>История диалога\u003C\u002Fstrong> — все предыдущие сообщения, если речь о чате.\u003C\u002Fli>\u003Cli>\u003Cstrong>Дополнительные документы\u003C\u002Fstrong> — выдержки из базы знаний, переданные через RAG.\u003C\u002Fli>\u003Cli>\u003Cstrong>Сам запрос пользователя\u003C\u002Fstrong>.\u003C\u002Fli>\u003Cli>В режиме генерации — постепенно добавляемый ответ модели.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Что происходит, когда контекст переполнен\u003C\u002Fh3>\u003Cul>\u003Cli>API возвращает ошибку, и приходится сокращать ввод.\u003C\u002Fli>\u003Cli>В чатах самые старые сообщения выпадают из памяти, и модель начинает их забывать.\u003C\u002Fli>\u003Cli>Скорость и стоимость растут нелинейно: обработка длинного контекста заметно дороже, чем короткого.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Когда выбираете модель под задачу: длинный документ или длинная история диалога — это про большое окно\u003C\u002Fli>\u003Cli>Когда проектируете чат-бота или агента: важно понимать, как и что вы будете забывать\u003C\u002Fli>\u003Cli>Когда оцениваете стоимость продукта на больших объёмах текста\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Простые короткие запросы — для них окно почти никогда не становится узким местом\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>Юридическая команда хочет, чтобы модель проверила длинный договор и нашла противоречия с регламентом компании. Если регламент и договор вместе занимают 200 тысяч токенов, нужно либо использовать модель с большим окном, либо построить схему с RAG: разбить документы на куски, отдавать модели только подходящие фрагменты, а сводный анализ собирать в несколько шагов.\u003C\u002Fp>","\u003Cp>Не пытайтесь втиснуть в контекст всё подряд. Чем длиннее окно, тем дороже запрос, медленнее ответ и выше шанс, что модель потеряет что-то важное в середине. Часто лучше отбирать только подходящие куски через поиск (RAG), чем грузить весь архив.\u003C\u002Fp>","контекстное окно, окно контекста, размер контекста, Context Window","Context Window","Контекстное окно LLM: что это и почему важно | Глоссарий Shtab","Контекстное окно — сколько токенов языковая модель видит одновременно. Из чего состоит, что происходит при переполнении и как выбрать размер под задачу.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},10,"ai","#a855f7",{"ru":89},{"title":90,"description":91},"Искусственный интеллект","Терминология ИИ и больших языковых моделей: машинное обучение, нейросети, LLM, эмбеддинги, промптинг, RAG, агенты, MLOps, безопасность и этика моделей.",[93,101],{"id":94,"slug":95,"kind":96,"hex":87,"order":97,"translations":98},36,"ai-foundation","other",90,{"ru":99},{"title":100},"Основы ИИ",{"id":102,"slug":103,"kind":104,"hex":105,"order":106,"translations":107},37,"llm","framework","#7c5ce6",91,{"ru":108},{"title":109},"LLM","К",[112,119],{"id":113,"order":114,"translations":115},1548,0,{"ru":116},{"question":117,"answer":118},"Помнит ли модель то, что я писал ей вчера?","\u003Cp>Нет, если ваше приложение явно не подаёт прошлые сообщения снова. У самой модели нет долгосрочной памяти — она помнит ровно то, что лежит в текущем контекстном окне. Сервисы вроде ChatGPT создают видимость памяти за счёт того, что хранят историю и подкладывают её к каждому запросу.\u003C\u002Fp>",{"id":120,"order":61,"translations":121},1549,{"ru":122},{"question":123,"answer":124},"Что лучше: большое окно или RAG?","\u003Cp>В сложных задачах это не противопоставление, а сочетание. Большое окно даёт модели возможность одновременно видеть больше материала, RAG — способ выбирать подходящие куски. Часто лучший результат даёт среднее по размеру окно плюс хорошо настроенный поиск, а не попытка загрузить в модель сразу всё.\u003C\u002Fp>",{"parent":126,"related":133},[127],{"id":128,"slug":103,"translations":129},264,{"ru":130},{"title":131,"short_definition":132},"Большая языковая модель","Нейросеть с миллиардами параметров, обученная предсказывать следующий токен в тексте и способная отвечать на вопросы, писать код и рассуждать.",[134,141,148],{"id":135,"slug":136,"translations":137},266,"token",{"ru":138},{"title":139,"short_definition":140},"Токен","Минимальный кусочек текста, с которым работает языковая модель: целое слово, его часть или знак препинания.",{"id":142,"slug":143,"translations":144},278,"rag",{"ru":145},{"title":146,"short_definition":147},"RAG (поиск с дополнением генерации)","Подход, при котором перед ответом языковая модель ищет подходящие документы в базе знаний и использует их как контекст.",{"id":128,"slug":103,"translations":149},{"ru":150},{"title":131,"short_definition":132},119,"2026-05-11T19:55:48.313872+03:00","2026-05-11T19:55:48.313888+03:00",[155,181,202],{"id":156,"slug":157,"translations":158,"category":163,"tags":166,"letter":179,"cover":17,"updated_at":180,"published_at":17},282,"mcp",{"ru":159},{"title":160,"short_definition":161,"translation_en":162},"MCP (Model Context Protocol, протокол контекста модели)","Открытый протокол, по которому языковые модели и агенты единообразно подключаются к внешним инструментам, данным и сервисам.","Model Context Protocol (MCP)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":164},{"ru":165},{"title":90,"description":91},[167,170],{"id":102,"slug":103,"kind":104,"hex":105,"order":106,"translations":168},{"ru":169},{"title":109},{"id":171,"slug":172,"kind":173,"hex":174,"order":175,"translations":176},40,"ai-tool","tool","#5e79ec",94,{"ru":177},{"title":178},"Инструмент ИИ","M","2026-05-11T19:55:53.687297+03:00",{"id":182,"slug":183,"translations":184,"category":189,"tags":192,"letter":179,"cover":17,"updated_at":201,"published_at":17},287,"mlops",{"ru":185},{"title":186,"short_definition":187,"translation_en":188},"MLOps (эксплуатация ML-моделей)","Практики и инструменты для разработки, выкатки и эксплуатации моделей машинного обучения и ИИ в боевой среде — аналог DevOps для машинного обучения.","MLOps",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":190},{"ru":191},{"title":90,"description":91},[193,198],{"id":61,"slug":194,"kind":194,"hex":174,"order":61,"translations":195},"methodology",{"ru":196},{"title":197},"Методология",{"id":171,"slug":172,"kind":173,"hex":174,"order":175,"translations":199},{"ru":200},{"title":178},"2026-05-11T19:55:55.482827+03:00",{"id":142,"slug":143,"translations":203,"category":206,"tags":209,"letter":216,"cover":17,"updated_at":217,"published_at":17},{"ru":204},{"title":146,"short_definition":147,"translation_en":205},"Retrieval-Augmented Generation (RAG)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":207},{"ru":208},{"title":90,"description":91},[210,213],{"id":102,"slug":103,"kind":104,"hex":105,"order":106,"translations":211},{"ru":212},{"title":109},{"id":171,"slug":172,"kind":173,"hex":174,"order":175,"translations":214},{"ru":215},{"title":178},"R","2026-05-11T19:55:52.147205+03:00"]