從補全到對話

為什麼用提示詞就夠了？答案在上下文視窗

PreTraining 之後：不用重新訓練，把任務描述餵進去就行。但為什麼？

推理鏈：一步步想清楚
舊
換任務= 重新訓練
↓
新
PreTraining 後提示詞就夠了！
↓
?
為什麼？Token 推 Token
↓
本
提示詞 = 高品質前文前文好 → 後文好
↓
關
視窗越大能放的指令越多
核心結論： 提示詞夠用，因為大模型支援超大上下文視窗：把任務說明、規則、樣例全塞進前文，模型按前文推，效果等同於專門訓練。
動手試試：視窗大小如何影響輸出
拖動調整視窗大小，看 Token 怎麼被截斷
提示詞 Token 全貌（黃=System / 藍=User / 綠=示例）
❌ 視窗過小：系統指令被截斷
SYSTEM（完整原文）
USER
請翻譯：「大模型的上下文視窗是關鍵。」
AI 輸出
✅ 視窗充足：完整讀取所有指令
SYSTEM（完整）
你是專業翻譯。將中文譯為正式英文，保持語氣，注意專業術語。
USER
請翻譯：「大模型的上下文視窗是關鍵。」
AI 輸出