拼貼上下文是整合編排多個管道的資訊，例如對話歷史、記憶庫、檔案摘要、API 回傳、工具輸出 ... 等，拼貼的目標是為了讓大型語言模型在單次的呼叫中，可以看到一個連貫合理的語境，而非一堆雜亂無章的資訊碎片。

拼貼時要注意的事情

當我們試圖將不同來源的資訊拼貼在一起時，可能會碰到以下問題：

格式與風格不一致

我們會碰到的第一個問題就是每個來源的格式都不盡相同，甚至連寫作風格、標點符號都不一樣。如果直接拼在一起，會讓上下文變得混亂，也會導致模型難以判斷，進而影響回答品質。

所以我們想要追求的，會是一套標準化的預處理流程，在拼貼之前將所有資訊轉換成一致的格式，藉此降低模型的負擔

訊息重複與衝突

另外一個常發生的狀況，就是不同來源可能包含相同的資訊，甚至數據彼此矛盾，例如市場報告與新聞稿對同一產品的銷售額出現差異。如果不處理，模型可能會在生成時混用這些數據，導致輸出缺乏一致性。那麼，我們是否應該在拼貼前建立一個比對與去重的機制，或至少讓模型在輸出時標註衝突點，確保使用者知道哪些資訊不一致，讓使用者自行判斷

優先順序與可見性

當資訊來源過多時，重要的背景容易被次要內容掩蓋。模型並不知道哪些片段是關鍵、哪些只是輔助，結果可能導致輸出偏離重點。這也促使我們去思考，是否應在拼貼前建立優先級排序機制，將最重要的片段放在前面，並在 Prompt 中明確標註其權重，幫助模型分清層次

容量限制與注意力稀釋

當上下文過長時，模型的注意力會被分散，重要資訊反而不容易被捕捉到。即使上下文拼貼完整，也可能出現關鍵訊息被淹沒的情況。我們可以在拼貼流程中加入濃縮與摘要的步驟，將龐雜資訊壓縮成精華片段，再與其他來源合併

實作如何拼貼上下文

幫資訊做分類打標籤

首先，給每一段不同來源的資訊，附上明確的標籤識別，例如 [檔案摘要]、[記憶庫]、[API回傳]，並用分隔符號 (--- 或 ###) 將他們區隔開來

[檔案摘要]: 本文探討市場趨"勢 A、B、C。

---

[記憶庫]: 使用者偏好：深夜工作、圖表形式的摘要。

---

[API 回傳]: {"currency_index": 1.12, "inflation_rate": "3.4%"}

這樣能避免模型將不同來源的內容誤認為是連續的，也能讓模型輕易判斷資訊的來源。

將上下文切片處理

再來可以將上下文切片處理，針對每一片段生成摘要或關鍵句，然後再把這些濃縮後的片段拼回去。

例如，假設你有一份 8000 字的市場研究報告，想用它來回答「智慧手錶市場的未來趨勢」這個問題，我們可以先將報告切成 100 ~ 200 字的小段落，大約切成 40 段，再針對每段用提示詞生成 1 ~ 2 句關鍵摘要，例如：

請將以下段落壓縮成一句不超過 30 字的重點句，保留最具資訊量的數字或結論。

這樣每段的摘要會變成：

- [段落 1 摘要] 2024 年智慧穿戴設備銷量年增 12%。
- [段落 7 摘要] 亞洲市場增長率高於歐美，特別是印度。
- [段落 22 摘要] 消費者最在意續航力與健康監測功能。

再根據我們的查詢內容 (例：智慧手錶趨勢)，篩選出與智慧手錶直接相關的 8 個摘要，其他與穿戴耳機或 AR 裝置的資訊就不需要了。

最後再將這些摘要重新拼貼進上下文，形成一個乾淨的知識片段：

[市場研究報告濃縮版]  
- 2024 年智慧手錶銷量年增 12%。  
- 亞洲市場成長尤其顯著，印度是主力市場。  
- 消費者關注續航力與健康監測功能。  
- 歐洲市場趨勢趨於飽和，但高階手錶仍有利基。  

最後的最後，把濃縮後的拼貼上下文丟進模型，讓它基於這些摘要來產生回答。

將拼貼分成多個步驟

某些情況下，如果來源數量龐大、品質參差不齊，直接拼貼會讓上下文過於雜亂，這時候我們可以把拼貼分成多個步驟：選擇 → 重寫 → 整合。

假設你需要生成一份 公司競爭策略分析，資料來源包含：

• 一份 50 頁的產業白皮書
• 兩篇新聞稿
• 使用者偏好的「公司 A」背景資料

流程可以這樣設計：

先透過 filter 或人工挑選，把和公司 A 競爭策略最相關的段落抓出來，例如白皮書裡的 5 個段落加上新聞稿的重點句：

請從以下文件段落中，挑選與「公司 A 未來競爭策略」最相關的三段，並說明理由。

把挑出來的段落進一步重寫成清晰的摘要，這部分是為了清除寫作風格或格式上的不同，例如：

• 白皮書段落 → 「公司 A 計畫在 2025 年強化供應鏈整合」
• 新聞稿 → 「近期宣布與半導體製造商合作，專注於 AI 晶片市場」
• 背景資料 → 「用戶記錄顯示，公司 A 在亞洲市場市佔率 30%」

把重寫後的摘要拼貼成一個乾淨、結構化的上下文：

[公司 A 策略資訊濃縮版]  
- 2025 年計畫強化供應鏈整合  
- 近期宣布與半導體製造商合作，專注 AI 晶片市場  
- 亞洲市場市佔率達 30%  

最後把這份濃縮過的上下文交給模型，請它輸出策略分析報告：

基於以上 [公司 A 策略資訊濃縮版]，請撰寫一份 500 字的競爭策略分析，涵蓋：  
- 未來市場定位  
- 主要挑戰  
- 可能的對手反應  

這樣可以讓每個步驟都有明確的輸入與輸出，也讓最終拼貼的上下文更乾淨、更有針對性。

用 AI 驗證我們的拼貼效果

即使上下文拼貼完成，也不代表它一定能在模型裡發揮最佳效果。資料來源之間可能有矛盾、不相關，或者模型在生成時忽略了某些重要內容。這時候就需要建立一個 驗證與反饋迴路，讓拼貼效果不斷改進。

當我們生成好拼貼內容後，可以請模型檢查輸出的內容是否完整、是否引用了所有來源：

請檢查以上生成的報告：  
- 是否有引用三個來源？  
- 是否有出現矛盾數據？  
- 是否有忽略重要資訊？  
請回報檢查結果並提出改進建議。

如果檢查結果顯示忽略了使用者記憶的偏好或白皮書與 API 數據有數字矛盾**... 等回饋，就把這些回應加入下一次的提示詞中，要求模型修正：

請根據檢查結果重新生成報告，  
- 加入使用者偏好資訊  
- 解釋白皮書與 API 數據矛盾的原因  
- 最終報告需在 450 字以內

透過「生成 → 驗證 → 修正 → 再生成」流程，就能形成一個反饋迴路，持續優化拼貼上下文的效果

小結

我們介紹了多種拼貼上下文的方法，，你會發現底層的精神都是一樣的，都是希望再多個資料來源，在有限的上下文中，變得有條理也可追溯。特別注意的是，拼貼上下文不只是單純把資料放在一起那麼簡單，而是要設計一套預處理、整合與驗證的機制，才能真正地發揮作用。