Context Window: qué es
Cantidad maxima de tokens que un modelo puede ver a la vez (entrada + salida).
Definición rápida
Cantidad maxima de tokens que un modelo puede ver a la vez (entrada + salida).
En este término
Que es Context Window?
Context Window es pieza clave cuando integras un LLM en Node.js y quieres que sea barato, rapido y sin alucinar. No es teoria: es el parametro que decide si tu RAG acierta o inventa.
Como funciona
Piensa en Context Window como un Lego. Solo cobra sentido con RAG + embeddings + tu API. Por separado es definicion, junto es producto.
// Patron aplicable a Context Window
const params = {
model: 'gpt-4o-mini',
messages: [{ role: 'system', content: 'Eres asistente tecnico conciso.' }, { role: 'user', content: 'Explica context-window con ejemplo' }],
temperature: 0.2
};
console.log('Tip: combina con', 'tokens, rag');
Cuando usarlo
- Producto: datos frescos o acciones -> necesitas este bloque.
- Coste: optimizar context-window baja tokens sin cambiar modelo.
- Calidad: sin esto, el LLM olvida contexto a los 4k tokens.
Errores comunes
- Confundirlo con sinonimo cercano y aplicar patron equivocado.
- No medir recall/latencia.
- Copiar config sin ajustar chunk size / temperature a tu corpus.
Buenas practicas
- 1 query, 1 metrica (cita fuente correcta?).
- Versiona prompts en git.
- Loguea tokens; en francobosg bajar k=10->5 ahorro 42% con igual precision.
Se relaciona con
tokens, rag, chunking. Entender el grafo evita mezclar RAG con fine-tuning o context window con tokens.
Duda sobre Context Window? Escribeme por LinkedIn.
Preguntas frecuentes
Mas contexto es mejor?
No siempre. 20k bien rankeados > 200k ruido.
Que modelos tienen 1M?
Gemini 2.5 Pro y GPT-4.1.
Términos relacionados
Chunking
Dividir documentos largos en trozos 300-800 tokens para embedear sin perder contexto.
RAG (Retrieval-Augmented Generation)
Tecnica que combina busqueda en tu base de datos con un LLM para generar respuestas basadas en documentos reales, no en memoria.
Tokens
Unidad minima que cobra un LLM. 1 token aprox 4 caracteres; 100 tokens ~75 palabras.
Chain of Thought (CoT)
Pedir al modelo que piense paso a paso antes de responder para mejorar razonamiento.