# what - 每个对话窗口以主题的最小单位为创建依据。 - 一个[[概念 concept]] - 一个[[阅读 思想|idea]] - 一个问题 - 一个事实 # how - 查找过往对话，进行继续对话：⌘+K - if plus用户可以创建 project，把同主题的对话分类 # why ## 原理 - 上下文长度 - [[LLM 大语言模型]]有[[context length 上下文长度]]的限制，超过这个长度的内容会被“忘记”，举例子： - GPT-3：2048个 token =1024 个汉字 - GPT-4o 为 128k token = 64000 个汉字 - 上下文理解 - 模型在生成对话内容时，不仅会使用训练完成后已部署的大语言模型（其中的万亿参数），还会参考对话框中的上下文。如果主题庞杂，生成的内容可能会不够聚焦。举例子： - 一个对话框里既提到一个工作问题，又提到猫如何喂养，对话内容就比较杂，可以将两个问题拆分成两个对话。 - [[知识砖块]] - 🧱 我们的大脑在存储知识的时候，都是以一个个知识的最小单位（概念、事实、思想、思维模型）进行存储的； - 🕸️ 这些知识点之间建立丰富而意义的关系，从而形成知识网络； - 🤖 所以我们和 AI 的每一次对话，其实都可以看成是一个不可分割的知识砖块。 # how good # Ref.