Lab 097: Interactif : tokens, échantillonnage et fenêtres de contexte¶
Conception gratuite d'abord
Terminez l'exercice avec Copilot Free ou la simulation incluse. Les fonctions payantes sont facultatives et clairement indiquées.
Impact sur les AI Credits
Faible pour l'exercice guidé ; moyen/élevé pour les exécutions agentiques ou répétées. Préférez la sélection automatique du modèle, planifiez avant d'agir, gardez un contexte ciblé et évitez les sessions parallèles inutiles.
Ce que vous apprendrez¶
- Estimer les tokens d'un texte
- Expliquer température, top-k et top-p
- Budgéter une fenêtre de contexte
- Reconnaître troncature et dilution du contexte
Alignement GH-300¶
Prompt and context foundations. Cette correspondance suit l'instantané GH-300 du 07/08/2026. Le plan officiel peut conserver des termes anciens comme « Copilot Edits » ; ce lab enseigne l'expérience actuelle et signale la différence.
Carte conceptuelle¶
flowchart LR
I[Instructions] --> W[Context window]
U[User input] --> W
R[Retrieved context] --> W
T[Tool output] --> W
W --> O[Reserved output]
W --> M[Safety margin]
Exercice pratique¶
Étape 1: Estimer les tokens¶
Utilisez le widget ci-dessous. L'estimation est transparente mais n'est pas un tokenizer propre à un modèle. Comparez prose, code, JSON et accents.
Étape 2: Explorer l'échantillonnage¶
Déplacez température, top-k et top-p. Prévoyez si la sortie devient déterministe ou diverse, puis révélez l'explication.
Étape 3: Budgéter la fenêtre¶
Allouez instructions, entrée, contexte récupéré, outils et réponse. Gardez une marge et retirez d'abord le contexte à faible valeur.
Kit d'accompagnement¶
Le build du site génère des téléchargements PDF et ZIP stables. Le ZIP contient le guide du lab et tous les fichiers d'accompagnement déclarés.