题目重点：超长内容不能只截断，需保留与查询相关且可追溯的证据。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 训练搜索与回答系统有最大context tokens和延迟/成本预算；完整目标架构未给，本文明确query/document/context三种长度问题。
- token计数用对应模型tokenizer，字数不等于tokens；不宣称所有模型长度限制相同。
解题路线
- 超长query先解析意图/约束，必要时提澄清，不从尾部盲截丢关键条件。用户上传长文可先结构化分段与索引，query定位相关片段，而非每次塞全文。
- 文档按结构chunk，retrieval返回带source/version/offset的候选；rerank及去重后按预算packing。保留标题/必要上下文与跨片段关系，纯取最短片段可能丢条件/否定。
- 预算=context_limit−system/instruction/query/output_reserve，留输出空间。候选分数与token成本联合选择，不能重复chunk无限占预算；内容不可信时指令与证据分区并限制工具权限。
- 需要全局总结可hierarchical summarize/map-reduce，但多级摘要可能丢细节；关键事实保留原片段引用供回查，评估问题是否能在压缩后得到支持。复杂推理可检索多次但需最大轮数与成本预算。
- 评估按长query、跨段证据、表格、否定和多语言切片，比较召回覆盖、答案忠实性与尾延迟。只测token变少不能证明答案仍正确。
手动走一遍
合同第80页例外改变第2页条款，截前20页会答错；检索时需要相关主条款和例外共同进入context。预算8k时若系统/query用2k、输出保留2k，证据上限4k，不能把全部8k交给文档。
规模与取舍
索引与摘要离线成本按全文tokens；online retrieval/rerank/生成分别计，attention与实际model架构相关。多轮检索使平均/尾成本放大，应以真实测量而非固定常数承诺。
易错点与追问
容易失分的边界
- 字符数当token数导致意外超限。
- 压缩摘要缺出处却让模型引用原文。
继续深挖
- 检索片段太短与上下文冗余之间如何选择chunk overlap？
- 用户需要逐字引用时，摘要结果是否能作为证据？
