Co to jest okno kontekstowe? Jak wpływa na prompty

Co to jest okno kontekstowe?

Okno kontekstowe (ang. context window) to maksymalna ilość tekstu którą model może "widzieć" w jednym momencie. Wszystko co jest poza tym oknem — model po prostu nie widzi.

Myśl o tym jak o kartce papieru na biurku. Możesz na niej zmieścić określoną ilość tekstu. Gdy kartka się zapełni — nowe treści zacierają stare, albo po prostu nie mieszczą się.

Jednostka miary: tokeny (nie słowa). Jeden token ≈ 0,75 słowa po angielsku, po polsku trochę więcej ze względu na dłuższe formy wyrazów.

Przykładowe rozmiary okien kontekstowych (2025):

Model	Okno kontekstowe
GPT-4o	128 000 tokenów (~95 000 słów)
Claude 3.5 Sonnet	200 000 tokenów (~150 000 słów)
Gemini 1.5 Pro	1 000 000 tokenów (~750 000 słów)
GPT-3.5	16 000 tokenów (~12 000 słów)

Dla porównania — ta strona ma około 700 słów, czyli ~930 tokenów.

Co "wchodzi" do okna kontekstowego?

W jednej rozmowie okno kontekstowe zawiera:

• <b>System prompt</b> — instrukcje bazowe modelu (jeśli używasz API)
• <b>Całą historię rozmowy</b> — Twoje wiadomości + odpowiedzi AI
• <b>Wklejone dokumenty i dane</b>
• <b>Bieżące zapytanie</b>

Suma tego wszystkiego musi się zmieścić w limicie. Gdy zbliżasz się do limitu — starsze części rozmowy mogą być obcinane.

Praktyczne konsekwencje dla promptów

Problem 1: "Amnezja" w długich rozmowach

W długiej sesji AI przestaje pamiętać co mówiłeś na początku. To nie jest błąd inteligencji — to fizyka okna.

JavaScript
Kopiuj
1
2
3
4
5
6
Przypomnij mi co ustaliliśmy do tej pory:
- Cel projektu
- Podjęte decyzje
- Następny krok

Kontynuujemy od punktu X.

Rozwiązanie: Przy długich projektach regularnie podsumowuj kontekst:

Problem 2: Analiza długich dokumentów

Wklejasz 50-stronicowy raport i prosisz o analizę. AI analizuje — ale może nie "widzieć" całości jeśli dokument jest bardzo długi.

JavaScript
Kopiuj
1
2
Analizuję raport w częściach. Część 1 z 4: [tekst]
Zanotuj kluczowe informacje — będziemy je łączyć w kolejnych krokach.

Rozwiązanie A: Podziel dokument na sekcje, analizuj po kawałku:

Rozwiązanie B: Wstępnie przefiltruj — wyciągnij tylko relevantne sekcje przed wklejeniem.

Problem 3: Zbyt długi system prompt

Jeśli używasz AI z bardzo rozbudowanym system promptem — zajmuje on część okna kontekstowego zanim jeszcze zaczniesz rozmowę.

Rozwiązanie: Trzymaj system prompt zwięzły. Dodatkowe instrukcje wstrzykuj w rozmowie gdy są potrzebne.

Jak sprawdzić ile kontekstu używasz?

W ChatGPT i Claude nie ma wbudowanego licznika tokenów. Możesz:

• Użyć zewnętrznych tokenizatorów (np. <a href="https://platform.openai.com/tokenizer">platform.openai.com/tokenizer</a>)
• Szacować: 1 strona A4 tekstu ≈ 500-700 tokenów
• Obserwować: gdy AI zaczyna "zapominać" — jesteś blisko limitu

Okno kontekstowe a jakość odpowiedzi

Ważna rzecz: więcej kontekstu nie zawsze = lepsze odpowiedzi. Badania pokazują że modele radzą sobie gorzej gdy kluczowa informacja jest "zakopana" w środku bardzo długiego kontekstu — łatwiej ją "przeoczą" niż gdy jest na początku lub końcu.

Praktyczna zasada: Ważne instrukcje i kluczowe informacje umieszczaj na początku lub końcu promptu — nie zakopuj ich w środku długiego tekstu.

Kiedy długi kontekst pomaga?

• Analiza długich dokumentów prawnych, umów, raportów
• Sesje programowania gdzie AI widzi cały kod projektu
• Rozmowy z wieloma iteracjami gdzie wcześniejszy kontekst jest kluczowy
• Few-shot prompting z wieloma przykładami

Dalej w tym przewodniku

← Wróć do przewodnika: Prompt Engineering

• <a href="/blog/prompt-engineering/zaawansowane-techniki">Zaawansowany prompt engineering — chain-of-thought i few-shot</a>
• <a href="/blog/prompt-engineering/bledy-w-promptach">Najczęstsze błędy w promptach i jak ich unikać</a>
• <a href="/blog/prompt-engineering/jak-pisac-prompty">Jak pisać prompty do AI — praktyczny poradnik</a>

Chcesz żeby Twój zespół rozumiał jak działa AI od środka i pisał skuteczniejsze prompty? Prowadzimy szkolenia z prompt engineeringu dla firm. Sprawdź ofertę →