上下文长度使用指南
概述
Kimi-Researcher 的上下文长度（context length）为 128K tokens（约 6-10 万汉字），指模型单次能处理的最大 token 数量（包括输入+输出）。
这意味着 Kimi-Researcher 在单次研究任务中可以参考大量文本信息，足以支撑复杂、深入的研究分析。但需注意：生成内容的长度上限通常远小于上下文窗口。
如果研究问题过于宽泛，建议拆分为多个子问题分次研究，而非一次性提交，这样每次的研究深度和准确度都会更高。
关键概念区分
常见误解：128K 上下文 ≠ 能一次性输出 128K 内容。输出长度通常为上下文窗口的 1/8 到 1/16。
输出截断说明
为什么会出现“输出不完”？
当研究报告过长时，模型可能：
- 主动截断 — 达到单次输出上限后停止生成
- 建议续写 — 提示“是否需要继续生成剩余部分”
- 分段输出 — 将长报告拆分为多个章节依次呈现
这不是故障，而是输出限制的正常表现。
如何处理？
- 若报告未完成，直接回复“继续”或“请完成剩余部分”
- 复杂研究建议主动要求分章节生成，例如：“先写第一部分：背景分析”
使用建议
信息位置优化
长文档处理时，将核心信息置于提示词前后两端，避免放在中间位置。模型对上下文中间部分的信息提取精度可能下降（"Lost in the Middle" 现象）。
长文档输入策略
- 超长参考资料先提炼摘要，而非全文粘贴
- 多份文档标注关键段落，减少无关噪声
- 采用分段处理或检索增强策略，而非一次性填充
会话管理
- 多轮对话需关注历史累积，及时开启新会话或进行会话总结
- 主题切换后建议开启新会话，避免上下文混乱
- 定期总结已确认的结论，确保后续生成基于准确背景
模型选择
根据实际场景选择合适模型，平衡上下文长度与响应效率。上下文长度并非越长越好——过长的上下文会增加处理延迟和计算成本。
注意事项
- 上下文长度决定了模型能“看到”多少信息，不决定能“说出”多少内容
- 优先保证关键信息的有效传递，合理规划内容结构
- 超长研究任务建议主动分段，而非依赖单次生成