用 DeepSeek 聊到一半,突然发现它把前面说过的话忘了,或者接口直接回一个跟长度有关的报错——多数人第一反应是「模型不行」,其实是上下文塞满了。这篇不重复讲上下文是什么,只解决一件事:满了之后会怎样、怎么提前判断快满了、以及满了以后按什么顺序处理。
用 DeepSeek 聊到一半,突然发现它把前面说好的设定忘了,或者接口直接甩回一个跟长度有关的报错——多数人第一反应是「这模型不行」,其实大概率是上下文塞满了。上下文是什么、窗口为什么这么设计,站内已经有文章讲过,这篇只解决一件事:满了之后会怎样、怎么提前判断快满了、以及真超了按什么顺序处理。
先说结论:网页端和接口端的表现不一样,处理方式也不一样。网页端往往不报错,只是悄悄丢掉最早的内容;接口端更直接,会给你一段错误文本。搞清楚你遇到的是哪一类,比急着换模型有用得多。
超出限制后,你会看到哪几类现象
网页和 App 端最常见的情况是「不报错但失忆」。它不会提示你超了,而是把最早的对话内容悄悄丢掉,于是前面定好的角色、格式、约束条件全没了。典型表现是越聊越跑偏、改口径、或者你重复问同一个问题它给的答案前后矛盾。
- 它不记得前面说过的设定:角色、输出格式、禁止事项,聊到后面全部失效
- 同一问题前后答案不一致,或者开始重复提问、改口径
- 接口端更直接:返回一段和长度或 token 相关的错误文本,请求被拒
- 中间态:请求成功了,但回答明显变短、开始敷衍、只回应最后一句
什么情况不适用:报错文本里如果提到的是并发、请求频率、账号额度,那和上下文长度没关系,按报错本身去查,不要往截断方向处理。各家接口对超限的措辞不一样,先看清文本再动手。
动手前先估一遍:这次到底塞不塞得下
很多人只算「我要发多少字」,忘了模型还得留空间写回答。正确的估法是三块相加:历史对话占用、本次提问占用、期望的输出长度。三块加起来才是真实占用,只算输入那一块,很容易在生成中途被截断。
| 内容类型 | 占用特点 | 估算建议 |
|---|---|---|
| 纯中文闲聊 | 单位消耗低,但轮数多 | 按轮数估,别按字数 |
| 代码和表格 | 符号、缩进、结构符多 | 实际占用常高于目测 |
| PDF 抽取文本 | 换行和乱码多,虚高 | 先清洗再估,否则偏大 |
| 长文档整段粘贴 | 一次性吃掉大块空间 | 先分段取要点再发 |
留余量是硬要求。不要把窗口填到接近满格,留出来的部分用来放模型的回答和你的追问。具体留多少、各类模型的窗口口径和换算方式,到 Token 单价换算页面看当时的口径,别背数字。
- 估算值接近窗口上限一半以上时,就该提前设计截断策略
- 中文、代码、表格、PDF 文本单位消耗差异大,用站内工具过一遍更稳
- 只算输入不算输出,是最常见的估算错误
- 拿不准就按保守值算,宁可提前压缩
真超了,按这个顺序处理
- 先压缩,别急着重开把历史对话改写成一段摘要再发,通常能省掉大部分占用,同时保住关键设定。验证方法:摘要发过去后追问一个早期设定,看它答不答得上来。
- 再拆任务长文档不要一次性丢。先分段取要点,再拿要点做第二轮提问。验证方法:对比拆分前后的回答质量,如果拆分后更准,说明之前是空间不够。
- 最后才考虑换窗口或换模型换之前先确认新窗口对输出长度有没有单独限制,别只看输入上限。很多麻烦就出在「输入够大但输出被卡」。
- 日常固定一个开场设定块每次新会话粘贴同一份精简背景,比指望模型记住几十轮对话靠谱。做法:把关键约束压到一屏以内,存成模板反复用。
上下文管理的通用思路——什么时候该摘要、什么时候该拆——可以沿用到其他模型,不限于 DeepSeek。想横向看看不同模型在长文本上的表现口径,到模型对比页面核对当时的资料,别只看一个数字。
哪些情况下这些办法不成立
上面那套顺序不是万能的。有两类场景要特别小心:一类是压缩会破坏任务本身的,另一类是问题根本不在上下文,方向搞错了越处理越乱。
- 逐字校对、需要模型看到原文每一处细节的任务,摘要会丢掉你要的东西,这种只能拆分不能压缩
- 限制来自账号侧(免费额度、速率)时,表现和超限很像,但处理方向完全不同,先分清是长度问题还是额度问题
- 报错文本提到并发或请求频率的,和上下文无关,按报错本身查
- 需要模型严格引用原文位置的场景,摘要压缩要谨慎,宁可分段重发
怎么分清是长度问题还是额度问题?看报错文本是关键。长度相关的措辞通常带 token、length、context 一类的词;额度或速率问题一般提 quota、rate、limit 之类。拿不准就把报错原文复制下来,到错误码对照页面查当时的说明。
下一步与其背数字,不如按你的任务类型先估一次占用、定好截断策略。各类模型的窗口口径、换算方式和长文本表现,到模型资料库页面核对当时的资料,比道听途说靠谱。→常见问题
DeepSeek 超出上下文限制会直接报错吗?
不一定。网页端大多不报错,而是丢掉最早的内容,你会觉得它突然失忆;接口端更可能返回一条跟长度或 token 有关的 error code 文本。所以先看现象:是「忘了」还是「被拒」,两者处理方式不一样。具体报错措辞到站内错误码对照页核对。
怎么知道快满了,而不是等它出错?
把历史对话、本次提问、期望输出三块加起来估一遍,接近窗口上限一半以上就要警惕。中文和代码的单位消耗不同,别用字数硬猜,用站内换算工具过一遍更准。当前窗口的具体数字请到模型库和官方价格规格页看那时的口径。
对话太长,是删历史还是重开一个会话?
先试压缩:把前面的对话写成一段要点摘要带进新会话,通常既省空间又保住关键设定。只有当任务需要逐字看原文时,才改用分段处理。直接删掉中间几句是最不推荐的做法,容易把逻辑链切断。