上下文太长（context_length_exceeded）

一次请求里的「输入 + 输出」超过了模型的上下文上限。 最快的解决办法是开一个新对话，或删掉前面的历史消息；处理长文档时只发和问题相关的部分，或者用 RAG 检索。

更新于 2026-10。

为什么会超

模型每次请求都要把以下内容一起读进去，它们加起来就是「上下文」：

• 系统提示词（工具自带的往往很长）
• 之前的全部对话
• 你上传或粘贴的文件、网页内容
• 这次的问题
• 再加上这次要输出的内容（max_completion_tokens）

gpt-5.5 的上下文上限约 105 万 token，日常对话很难超；但上限小一些的模型，或者一次塞进好几本书、一个大代码仓库时，就会超。各模型的上限看 模型广场。

常见的报错

报错	意思
context_length_exceeded	输入加输出超过了上限
This model's maximum context length is … tokens. However, you requested … tokens	同上，会写出上限和你这次用了多少
input too long、prompt is too long	输入本身就超了
max_tokens is too large	输出上限设得比模型允许的大

解决方法

在聊天工具里

1. 开新对话。 换话题时开新对话，旧对话的内容不会再被带上。
2. 限制带上的历史条数。 Cherry Studio、Chatbox 等客户端的对话设置里可以设「上下文数量」，比如只带最近 10 条。
3. 长文档分段问。 不要一次粘贴整本书，分章节问，或者先让模型逐段总结，再基于总结提问。

在编程工具里（Codex、Cline 等）

1. 一个任务做完就开新会话 / 新任务。
2. 用工具的压缩功能，如 Codex 的 /compact，见 Codex 斜杠命令。
3. 在项目里用 .gitignore 等方式排除大文件、构建产物和依赖目录。

自己写代码时

MAX_TURNS = 10

def trim_history(messages):
    """保留系统消息和最近 MAX_TURNS 轮对话。"""
    system = [m for m in messages if m["role"] == "system"]
    rest = [m for m in messages if m["role"] != "system"]
    return system + rest[-MAX_TURNS * 2:]

• 发送前调用 trim_history，只带最近几轮。
• 文档太长时，先切成小段，用 嵌入和 RAG 找出相关的几段再发给模型。
• 把 max_completion_tokens 设成实际需要的长度，不要设成模型的最大值。

上下文长 = 更贵

即使没有超限，上下文越长每次请求越贵：对话第 10 轮时，前 9 轮的内容每次都要重新算钱。控制上下文既能避免报错也能省钱，算法见 token 怎么算钱。

其他报错看 报错速查。