如果大型语言模型能够支持100万token的上下文窗口，那么当前的哪些实际应用场景可能会经历根本性的改变或产生质的飞跃？

回答思路

1. 【回答框架 1】质变指的是场景的核心流程、可行性边界或用户体验发生根本性改变。百万token上下文让模型能一次性处理整本书、完整代码库或长时间对话历史，改变了以往依赖RAG或分段处理的范式。
2. 【回答框架 2】典型质变场景包括：长文档分析（如法律合同、学术论文）可直接全面理解而无需切片；代码库级生成与重构可基于完整项目上下文；复杂多轮对话（如客服、教育）可保持长期记忆和一致性。
3. 【回答框架 3】另一些场景可能只是量变，比如短文本分类、简单问答，它们不依赖长上下文，或长上下文带来的收益有限。需要区分哪些场景真正需要全局信息，哪些通过检索增强也能满足。
4. 【回答框架 4】质变的前提是模型能有效利用长上下文，否则可能出现注意力分散或信息丢失。因此实际落地还需要评估模型在长序列上的性能表现和成本。
5. 【关键点 1】长文档处理、代码库级生成、长期对话记忆是典型的质变场景。
6. 【关键点 2】RAG等外部检索方案在长上下文能力增强后可能被部分替代，但仍有成本优势。
7. 【关键点 3】质变与否取决于场景是否真正需要全局上下文，而非简单增加长度。
8. 【易错点 1】不要将所有场景都视为质变，有些只是性能改善。
9. 【易错点 2】忽略长上下文的计算成本和实际效果，可能高估其价值。
10. 【易错点 3】将上下文长度与模型理解能力一概而论，实际上长序列有效利用仍是挑战。