Messages上下文管理

上下文窗口

了解上下文窗口的工作原理、扩展思考和工具使用如何计入上下文窗口，以及如何随着对话增长管理上下文。

随着对话的增长，您最终会接近上下文窗口的限制。对于长时间运行的对话和智能体工作流，服务器端压缩是上下文管理的主要策略。

上下文窗口的工作原理

"Context window"（上下文窗口）是指语言模型在生成响应时可以参考的所有文本，包括响应本身。这与语言模型训练所用的大型数据语料库不同，而是代表模型的"工作记忆"。较大的上下文窗口允许模型处理更复杂和冗长的提示，但更多的上下文并不自动意味着更好。随着令牌数量的增长，准确性和召回率会下降，这种现象被称为 context rot（上下文腐化）。这使得精心管理上下文中的内容与可用空间的大小同样重要。

下图展示了 API 请求的标准上下文窗口行为¹：

¹ 诸如 claude.ai 之类的聊天界面也可以按滚动的"先进先出"方式管理上下文窗口。

渐进式令牌累积： 随着对话逐轮推进，每条用户消息和助手响应都会在上下文窗口中累积，之前的轮次会被完整保留。
上下文窗口容量： 上下文窗口（最多 1M 令牌，取决于模型）容纳对话历史以及 Claude 生成的新输出。
输入-输出流程： 每一轮包括：
- 输入阶段： 包含所有之前的对话历史以及当前的用户消息
- 输出阶段： 生成文本响应，该响应将成为下一轮输入的一部分

请求中的所有内容都计入上下文窗口：系统提示、messages 中的每条消息（包括工具结果、图像和文档）以及您的工具定义。Claude 为该轮生成的输出（包括其扩展思考）也计入其中。每个响应都会在其 usage 字段中报告该请求消耗的内容。如果您使用 prompt caching（提示缓存），输入计数会拆分为 input_tokens、cache_read_input_tokens 和 cache_creation_input_tokens，这三者都计入窗口。要在发送请求之前进行估算，请使用令牌计数 API。

各模型的上下文窗口大小

Claude Fable 5.1、Claude Mythos 5.1、Claude Fable 5、Claude Mythos 5、Claude Opus 5.5、Claude Opus 5、Claude Opus 4.8、Claude Opus 4.7、Claude Opus 4.6、Claude Sonnet 5.5、Claude Sonnet 5、Claude Sonnet 4.6、Claude Haiku 5.5 以及 Claude Mythos Preview 拥有 1M 令牌的上下文窗口。对其中任何一个模型的单个请求最多可生成 128k 个输出令牌（max_tokens）。其他 Claude 模型，包括 Claude Sonnet 4.5（已弃用），拥有 200k 令牌的上下文窗口。

对于每个拥有 1M 令牌上下文窗口的模型，1M 都是默认值：您不需要 beta 标头，长上下文请求按标准定价计费，但 Claude Haiku 5.5 除外，在该模型上超过 100,000 个令牌的提示费用更高。

单个请求最多可包含 600 张图像或 PDF 页面（对于拥有 200k 令牌上下文窗口的模型为 100）。如果您发送大量图像或大型文档，可能会在达到令牌限制之前先达到请求大小限制。

请参阅模型比较表，了解各模型的上下文窗口大小列表。

启用思考时的上下文窗口

使用思考时，所有输入和输出令牌（包括思考令牌）都计入上下文窗口限制，在多轮情况下有一些细微差别。

思考令牌是您的 max_tokens 参数的子集，按输出令牌计费，并计入速率限制。使用 adaptive thinking（自适应思考）时，Claude 会动态确定其思考分配，因此思考令牌的使用量因请求而异。

之前助手轮次中的思考块是否保留在上下文窗口中取决于模型。在 Claude Opus 4.5 及更高版本的 Opus 模型、Claude Sonnet 4.6 及更高版本的 Sonnet 模型、Claude Haiku 5.5、Claude Fable 5.1、Claude Mythos 5.1、Claude Fable 5、Claude Mythos 5 以及 Claude Mythos Preview 上，API 默认保留之前的思考块，它们会像其他输入令牌一样计入上下文窗口。在较早的 Opus 和 Sonnet 模型以及截至 Claude Haiku 4.5 的所有 Haiku 模型上，当您将之前的思考块传回时，API 会自动将其从对话历史中剥离，从而为对话内容保留令牌容量。有关各模型的默认行为，请参阅各模型的思考块保留。要在任一方向上覆盖默认行为，请使用思考块清除。

下图展示了在会剥离之前思考块的模型上启用思考时令牌的管理方式：

剥离思考块： 在会剥离之前思考块的模型上，思考块（以深灰色显示）在每轮的输出阶段生成，但不会作为输入令牌带入后续轮次。您无需自行剥离思考块：如果您将它们传回，Claude API 会自动剥离它们。
计费： 思考令牌在生成时作为输出令牌计费一次。在保留之前思考块的模型上，保留的块随后成为后续请求输入的一部分，并像其余对话历史一样按输入令牌计费。

启用思考和工具使用时的上下文窗口

下图展示了在会剥离之前思考块的模型上将思考与 tool use（工具使用）结合时令牌的管理方式：

1
第一轮架构
- 输入组件： 工具配置和用户消息
- 输出组件： 思考 + 文本响应 + 工具使用请求
- 令牌计算： 所有输入和输出组件都计入上下文窗口，所有输出组件都按输出令牌计费。
2
工具结果处理（第 2 轮）
- 输入组件： 第一轮中的每个块以及 tool_result。您必须将思考块与相应的工具结果一起返回。这是您必须返回思考块的唯一情况。
- 输出组件： 在工具结果传回给 Claude 之后，Claude 仅以文本响应（在下一条 user 消息之前不会有额外的思考，除非启用了交错思考）。
- 令牌计算： 所有输入和输出组件都计入上下文窗口，所有输出组件都按输出令牌计费。
3
新的用户轮次（第 3 轮）
- 输入组件： 所有输入以及上一轮的输出都会被带入。已完成的工具使用周期中的思考块不再需要保留在上下文中：在会剥离之前思考块的模型上，当您将其传回时 API 会自动丢弃它；在保留之前思考块的模型上，它会保留，除非您使用思考块清除将其清除。这也是您添加下一个 user 轮次的位置。
- 输出组件： 由于在工具使用周期之外有一个新的 user 轮次，Claude 会生成一个新的思考块并从那里继续。
- 令牌计算： 在会剥离之前思考块的模型上，之前的思考令牌不再计入上下文窗口。所有其他之前的块仍计入上下文窗口，当前 assistant 轮次中的思考块也是如此。

思考与工具使用结合时的注意事项：
- 当您提交工具结果时，必须包含伴随该工具请求的完整且未经修改的思考块，包括其签名。
- API 使用加密签名来验证思考块的真实性。如果您修改了思考块，API 会返回错误。

要减少工具定义本身消耗的上下文，请参阅管理工具上下文，或使用工具搜索工具延迟加载工具定义。

上下文感知

Claude Sonnet 5、Claude Sonnet 4.6、Claude Sonnet 4.5（已弃用）和 Claude Haiku 4.5 具有 "context awareness"（上下文感知）： 这些模型会在整个对话过程中跟踪其剩余的上下文窗口（即它们的 "token budget"（令牌预算））。这使模型能够根据剩余空间来管理长时间运行的任务，而不是猜测还剩多少令牌。上下文感知是自动的：您无需启用任何内容，也永远不需要自己发送本节中显示的标签。API 会注入它们。

工作原理

在每个请求的系统提示中，API 会告知 Claude 其总上下文窗口：

<budget:token_budget>200000</budget:token_budget>

该预算与您的请求可用的上下文窗口相匹配：Claude Sonnet 5 和 Claude Sonnet 4.6 为 1M 个令牌，Claude Sonnet 4.5（已弃用）和 Claude Haiku 4.5 为 200k 个令牌。本节中的示例展示的是拥有 200k 令牌上下文窗口的模型。

每次工具调用后，API 会向 Claude 提供其剩余容量的更新：

<system_warning>Token usage: 35000/200000; 165000 remaining</system_warning>

图像令牌包含在这些预算中。

Claude Opus 4.7 及更高版本的 Opus 模型、Claude Sonnet 5.5、Claude Fable 5.1、Claude Mythos 5.1、Claude Fable 5、Claude Mythos 5 和 Claude Haiku 5.5 不会收到这些注入的标签。在这些模型上，您可以使用任务预算（目前处于 beta 阶段）为模型提供明确的预算。

有关使用上下文感知的提示指导，请参阅提示最佳实践。

使用压缩管理上下文

如果您的对话经常接近上下文窗口限制，请使用服务器端压缩。压缩会在服务器上自动总结对话的早期部分，使对话能够超越上下文窗口限制继续进行。它以 beta 形式适用于 Claude 4.6 及更高版本的模型以及 Claude Mythos Preview。

对于更专门的需求，上下文编辑提供了额外的策略：

工具结果清除： 在智能体工作流中清除旧的工具结果
思考块清除： 管理来自早期轮次的思考块

缓存的提示前缀仍然占用上下文窗口：提示缓存改变的是您为这些令牌支付的费用，而不是它们是否计入。