Miről szól ez a lecke: a legfontosabb pontok
- A kontextus-ablak a modell egyetlen-beszélgetésen-belüli memóriája. 2026-ban 200k-1M token sávban, ötrétegű stack: system prompt + CLAUDE.md + skill / tool / MCP + korábbi üzenetek + aktuális prompt. A modell csak ezt látja.
- Hosszú beszélgetésnél kontextus-rothadás, majd lossy auto-compact. A megnövelt 1M ablak sem old meg mindent: a figyelmi torzítás akkor is jelen van.
- Új beszélgetésben a tudás csak akkor marad, ha mentetted. Két perzisztens csatorna: CLAUDE.md (mindig betöltött memória) és progress.md (beszélgetés-végi snapshot, te mented).
- Három limit szabja a számlát: beszélgetés-ablak (technikai), 5-órás görgő (használati), heti (csomag). A kontextus-tudatos használat mind a hármat csökkenti.
A munkatér gondozása a vezetői képesség harmadik darabja: ahogy egy iroda is csak akkor működik jól, ha rendben tartod, a modell is csak akkor tud pontos választ adni, ha a kontextusát gondozod. A különbség: egy normál íróasztal évek alatt telik meg papírral, egy chat-ablak pár óra alatt.
A lecke öt fogalom köré épül. Mi a kontextus ablak és milyen rétegek vannak benne, miért rothad hosszabb beszélgetésen, mit csinál az auto-compact, hogyan őrzöd meg a tudást új beszélgetésre, és milyen három limit szabja egy felhasználó hetét. A végén egy fél tucat napi ökölszabály összegez.
Mi a kontextus ablak?
A kontextus ablak az a memória-mennyiség, amit a modell egyetlen beszélgetésen belül lát. Ez egy másik réteg, mint a modell „minden tudása": az utóbbi a paraméter-tömeg, amit a fekete doboz-leckében tanultunk (a befagyott súly-mátrix, a tanításból). A kontextus ablak az, amit a beszélgetés közben lát: a system prompt, a CLAUDE.md, a skillek, a korábbi üzenetek és a most beírt kérdés. Két különböző réteg, két különböző élet.
Token-méret-emlékeztető a fekete doboz-leckéből: 1 token kb. 0,75 szó vagy 4 karakter. Egy átlagos magyar regény ~100k-150k token. A frontier modellek 2026 augusztusi állapot szerint 200 ezer és 1 millió+ token közötti ablakkal dolgoznak, gyártótól és csomagtól függően; az Anthropicnál a Claude 5 család a legújabb generáció.
- Alap sáv: 200 000-400 000 token, ez a tipikus alapértelmezett ablak a legtöbb frontier modellnél.
- Kiterjesztett sáv: 1 000 000+ token, egyes vendoroknál külön csomagban vagy kiadásban érhető el.
Gyakorlati átfordítás a 200k tokenre: 1 token kb. 0,75 szót jelent, tehát ez nagyságrendileg 150 ezer szó, több száz oldalnyi szöveg egyetlen beszélgetés kontextusaként és válaszaként együtt, ami több órányi beszélgetést jelent. Az 1M ablak nem 1M töretlen minőség: nagyobb tér, ugyanakkor a figyelem dinamikája ugyanaz marad (§3).
Öt réteg, és mind beleszámít
A kontextus ablak réteges. A modell minden válasz előtt újra-olvassa a teljes stack-et. A rétegek lentről felfelé, a modell oldaláról:
System prompt nem látod
Anthropic alapból betöltött instrukció: személyiség, viselkedési szabályok, biztonsági guard-rail-ek. Minden válasz előtt olvasásra kerül.
CLAUDE.md / memória te tanítottad
Egy markdown-fájl, amit minden beszélgetés elején automatikusan betölt. Tipikus tartalom: ki vagy, mit csinálsz, milyen preferenciák, milyen rövidítések. Részletesen a munkatér-leckében.
Skillek, toolok, MCP bekapcsoltad
Részletes szabályrendszerek egy-egy domain-re, külső rendszer-integrációk, vagy konkrét eszközök (web-keresés, kódfuttatás). Tokenbe kerül akkor is, ha nem használod aktívan. Részletesen a munkatér-modul soron következő leckéiben.
Conversation eddigi üzenetek
A korábbi üzenetek és válaszok az adott beszélgetésen belül. Itt hízik a stack a leggyorsabban.
Aktuális prompt most beírtad
A most beírt kérdésed, ami a teljes stack-tetején landol.
Mit nem lát? Más beszélgetéseidet. A keresési előzményeket. A telefonod jegyzeteit. A Google Drive-od, kivéve, ha bekapcsoltad a megfelelő connectort, amiről a munkatér-modul záró leckéjében lesz szó. Csak ami a stack-ben van. Ha máshol él egy információ, a modell számára nem létezik.
A kontextus-rothadás
Hosszú beszélgetésekben a legrégebbi részletek halványulnak. A modell jobban súlyozza a közelmúltbeli információt. Ez a transformer-architektúra figyelmi torzítása, egy szerkezeti tulajdonság, és a mindennapi használatban jól felismerhető mintázat:
- „Az első prompt instrukcióit elfelejti."
- „Ellentmondó válaszokat ad ugyanarra a kérdésre, ha másodszor kérdezem."
- „Újra megkérdezi tőlem azt, amit már öt üzenettel ezelőtt megmondtam."
Miért történik ez? Az attention-mechanizmus a közelebbi tokeneknek nagyobb súlyt ad, mint a távolabbiaknak. Egy 100k tokenes beszélgetésben az 5. üzenet és a 95. üzenet ugyanazt a kontextust kapja, viszont a figyelmi súlyozás miatt a 90.-95. közöttiek dominánsabbak. Nagyságrendi tájékoztatásul, ökölszabályként:
- 0 → ~50k token: alig észrevehető rothadás.
- 50k → ~100k: kezdődő minőség-csökkenés, a modell „bizonytalanabb".
- 100k → ~200k: észrevehető rothadás, ellentmondások jönnek.
- 200k → 1M: a megnövelt ablak-méret nem oldja meg automatikusan, a figyelmi mechanizmus ugyanúgy súlyoz.
Ellenszer: új beszélgetés, vagy összefoglalós „újraindítás" az adott beszélgetésen belül. 1M ablak ≠ 1M töretlen minőség.
Az auto-compact
Amikor az ablak megtelne, a rendszer automatikusan összefoglalja a régebbi üzeneteket. Ez lossy: a részletek elvesznek, csak a lényeg marad. A háttér-folyamat az első ~70%-át a beszélgetésnek lecseréli egy rövid összefoglalóra, és az új beszélgetés-tokenek erre az összefoglalóra épülnek.
Mit nyersz? Tovább tudsz dolgozni a beszélgetésen belül. Mit vesztesz?
- Konkrét részletek, számok, idézet-pontosság.
- Az „észrevétlen" mellékszálak, amik később fontossá válhatnak.
- A kontextus-stílus (formátum, hangnem) előbb gyengül.
A napi ökölszabályok (lentebb) ezt a védekezést részletesen kifejtik. Itt egy azonnal alkalmazható lépés: hosszú beszélgetés végén kérj manuális összefoglalót, és azt dobd be a következő beszélgetésbe.
Anthropic UI-jelölése a Claude.ai-on: jellemzően egy szürke „context compacted" jelzés mutatja, ha az auto-compact lefutott. Ha látod, már elveszett a részletek egy része.
Új beszélgetés, megmaradó tudás
Két perzisztens csatorna van, ami a beszélgetésen kívül él, és minden új beszélgetésben elérhető:
A beszélgetésen kívül él (a fiókod gyökerében vagy egy projekt-mappában). Te írod-szerkeszted (markdown-fájl). A modell minden beszélgetés elején automatikusan beolvassa. Tipikus tartalom: ki vagy, mit csinálsz, projekt-specifikus preferenciák, rövidítések. Részletesen a munkatér-leckében.
Te manuálisan mented el (egy markdown-fájlba, vagy a Notes-ba). A következő beszélgetés elején bedobod. Cél: a tudás (eredmény, döntés, status) ne vesszen el az auto-compact-tal. Egy heti status-update a saját jövőbeli onboardingodhoz.
Vezetői hasonlat: ahogy egy onboarding-doksit írsz egy junior kollégának (= CLAUDE.md), és egy heti status-update-et küld neked (= progress.md), itt is ugyanaz a két csatorna. A perzisztencia a te dolgod, nem a modellé.
Három limit, ami a vezetői számlát szabja
Három különböző limit fut párhuzamosan, és a három együtt számít. Egy „végtelen" beszélgetésen belül is kifuthatsz az 5-óráson. A három limit, Anthropic Claude.ai csomagok példáján:
| Limit | Mit jelent | Honnan |
|---|---|---|
| beszélgetés ablaktechnikai |
Egyetlen beszélgetésbe ennyi szöveg fér el. 200k-1M token sávban. | A modell architektúrája és a választott terv |
| 5-órás görgőhasználati | Egy 5 órás folyamatosan görgő ablakon belüli üzenet-mennyiség. | Az előfizetési csomag (Pro, Team, Enterprise) |
| heti limitcsomag | Az előfizetés / API csomag fix mennyisége, hetente újraindul. | A Claude.ai vagy API csomag |
A három limit együtt számít. Ha nem figyelünk a kontextus tudatos használatára, hiába tudunk sokáig egy beszélgetésen belül dolgozni: hamar elfogyasztjuk az 5 órás keretet, és telik a heti is. Aki magas-volumenű, lassú, hosszú beszélgetést használ, sokkal hamarabb beleütközik a 2-es és 3-as limitbe, mint aki több rövid beszélgetést futtat ugyanazon a tartalmon.
Nagyságrendi tájékoztatásul (2026 augusztusi állapot, mert a pontos számok gyakran változnak): a belépő csomagok heti néhány tucat üzenetes sávban mozognak, a magasabb szintű, egyéni csomagok ennek több szorosát engedik, a vállalati csomagok rugalmasak vagy egyedi megállapodás szerintiek, az API pedig használat-alapú (nincs heti limit, csak az ablak-méret ugyanaz). Az aktuális limitet mindig a szolgáltató árazási oldalán ellenőrizd.
A hosszú beszélgetés ára
Minden új üzenetnél a modell újra végigolvassa az egész eddigi beszélgetést. Minél hosszabb a szál, annál több tokent dolgoz fel egyetlen válaszhoz, tehát ugyanaz a kérdés egy régóta futó chatben többe kerül, mint egy frissen indítottban. Ez a másik ok, amiért a hosszú beszélgetést jobb időben lezárni vagy összefoglalóval újraindítani: nemcsak a minőség romlik, ahogy a görbe mutatja, a költség is kúszik felfelé.
Hat ökölszabály a napi munkára
- Új téma → új beszélgetés. A téma-tisztaság a kontextus-tisztaság.
- Fontos eredmény → mentsd ki külön. A chat-history nem perzisztens. Másold ki egy markdown-fájlba (Notion, Drive, jegyzet).
- Hosszú beszélgetés végén → kérj összefoglalót. „Foglald össze a beszélgetésünk legfontosabb döntéseit és eredményeit öt pontban." Mentsd a következő beszélgetés elejére.
- CLAUDE.md-be tedd, amit minden beszélgetésben látnia kell. Ki vagy, mit csinálsz, milyen preferenciák, milyen rövidítések.
- Az 1M ablak nagyobb tér, viszont ugyanúgy súlyozzák a figyelmet. Egy 800k tokenes beszélgetés végén a rothadás akkor is jelen van, és a számla magasabb.
- Ha az AI „kezd buta lenni": cseréld a beszélgetést, ne a modellt. Új ablakot nyiss, az előzőből egy összefoglalót adj át.
Ellenőrizd magad: három kérdés
Két visszakérdezés, egy önreflexió. Nincs pontszám, nincs vizsga. A válaszaid a böngészőben maradnak.
Mi a kontextus-rothadás?
A kontextus-rothadás a transformer figyelmi mechanizmusának (attention) természetes következménye. A közelebbi tokeneknek nagyobb súlyt ad a modell, mint a távolabbiaknak. Egy 100k tokenes beszélgetésben az 5. és a 95. üzenet közötti különbség a figyelmi súlyozás miatt is jelentős. A megnövelt ablak (1M) sem oldja meg automatikusan, mert a figyelmi torzítás akkor is jelen van. Ellenszer: új beszélgetés, vagy explicit összefoglaló a hosszú beszélgetésen belül.
Új beszélgetésben milyen módon maradhat meg a tudás?
Két perzisztens csatorna létezik, ami a beszélgetésen kívül él: a CLAUDE.md (markdown-fájl, amit a modell minden beszélgetés elején automatikusan beolvas, ez a „mindig betöltött memória"), és a progress.md (beszélgetés-végi snapshot, amit te manuálisan mentesz le, és a következő beszélgetés elején bedobsz). A modell magától nem emlékszik, minden új beszélgetés egy „üres lap", kivéve a CLAUDE.md-ből betöltött memóriát.
Mikor érezted utoljára, hogy a modell „kezd buta lenni" egy hosszú beszélgetésben (ellentmondó válaszok, ismétlés, felejtett instrukció)? Mit lehetett volna másképp csinálni: új ablak, összefoglaló mentés, vagy CLAUDE.md-be írt instrukció?
egy mondat, magadnak
A modul záró-leckéje a vezetői képesség negyedik darabja: a felelősség. Mikor téved a modell úgy, hogy nem szúrod ki, milyen adat ne kerüljön a chatbe, és milyen döntést soha ne delegálj. AI Act, GDPR, prompt injection, human-in-the-loop.