> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tess.im/llms.txt
> Use this file to discover all available pages before exploring further.
# Controle de Janela de Contexto
A janela de contexto define quanto do histórico da conversa a IA considera em cada resposta. Na Tess, esse controle é feito pelo Memory Economy Mode, que permite equilibrar qualidade vs consumo de créditos.
Esse controle de contexto permite definir quantos tokens a Tess AI pode considerar em cada conversa de chat que for aberta. Isso impacta diretamente a memória do chat, qualidade das respostas e consumo de créditos.
### O que é?
É a configuração que define o “tamanho da memória ativa” do modelo em cada execução.
Na prática, quanto maior o contexto:
* Mais histórico o modelo considera
* Maior o custo por execução
O Memory Economy Mode permite ajustar isso dinamicamente, priorizando economia ou profundidade.
### **Antes de usar: o que você precisa saber**
Antes de alterar essa configuração, vale entender alguns pontos importantes:
1. É uma configuração por usuário: Cada usuário define sua própria preferência e a sua escolha não altera automaticamente a experiência de outros membros do workspace
2. É uma configuração global da sua experiência na Tess: Ela não vale só para um único chat, o ajuste passa a influenciar suas conversas na plataforma de forma geral, nem se torna uma configuração “por prompt”.
3. Você não precisa redefinir isso a cada nova conversa: Depois de ajustada, a preferência continua ativa até você mudar novamente, o objetivo principal é equilibrar qualidade e custo
Mais contexto melhora retenção do histórico. Menos contexto reduz gasto de tokens, especialmente em chats longos
### **Onde encontrar?**
No canto inferior esquerdo, clique em seu ícone de usuário e acesse a opção de configurações > preferências.
Desça até a opção de configuração de economia de memória.
* Mais à direita → mais economia
* Mais à esquerda → mais contexto (ex: o padrão e a janela de 32K tokens)
### **Como interpretar o Memory Economy Mode**
O Memory Economy Mode funciona como um controle entre economia e profundidade de contexto.
A Tess limita mais fortemente a quantidade de tokens por mensagem. Na prática, o custo tende a cair, o histórico útil que o LLM vai usar da conversa fica menor, chats longos podem perder continuidade mais cedo. A configuração padrão é de 32K tokems, 43% credit saving.
A Tess amplia o limite disponível por mensagem. Na prática, mais histórico pode ser considerado pelo LLM, a continuidade tende a melhorar e o custo por entrada (input token) tende a subir, afinal, é muito mais conteúdo sendo revisto pelo modelo de texto para compor sua memória.
Na própria interface, você verá indicadores como:
* percentual estimado de economia de créditos
* limite de contexto aproximado, como 32K tokens
Esses números ajudam a entender o trade-off entre economia e profundidade.
### **Como isso funciona na prática**
De modo geral, essa configuração é mais relevante em conversas longas. Em um chat curto, a diferença pode ser pequena. Já em um chat que acumula muito histórico, o limite de contexto passa a importar mais, porque o modelo não consegue considerar tudo indefinidamente.
Isso significa que, em conversas extensas:
* com contexto menor, partes antigas podem deixar de ser consideradas
* com contexto maior, a continuidade tende a ser melhor
* com Memory Boost ativo, a Tess pode recuperar trechos relevantes do histórico mesmo mantendo um limite mais econômico
A janela de contexto não é apenas uma configuração técnica. Ela muda o comportamento real da IA ao longo do uso.
Na Tess, o Memory Economy Mode limita a quantidade de tokens de contexto por mensagem.
Isso significa que a plataforma controla quanto histórico será efetivamente enviado para o modelo a cada nova interação.
Esse ponto é importante porque muitos usuários assumem que o modelo sempre “lembra de tudo” dentro do chat. Na prática, não é assim: existe um limite técnico de contexto por execução.
> **Por isso, o ajuste do Memory Economy Mode funciona como uma política individual de uso:** *você decide priorizar mais economia ou priorizar mais retenção de histórico. Esse controle é especialmente útil para quem quer escalar o uso da Tess com mais previsibilidade de custo.*
Além disso, o limite definido impacta todas as mensagens do chat e modelos que forem usados para conversar. Entretanto, ao ativar o modo Max, o modelo ignora essa configuração e usa o limite máximo nativo de cada modelo.
### **Exemplos práticos de contexto e configurações**
**Exemplo 1: uso rápido e operacional**
Se você usa a Tess para tarefas como revisar textos curtos, responder dúvidas objetivas ou gerar pequenas variações de conteúdo, por exemplo, um modo mais econômico costuma ser suficiente.
> Exemplo de prompt:
*"Reescreva esse parágrafo em um tom mais profissional."*
>
> Nesse caso, não há necessidade de manter muito histórico da conversa.
**Exemplo 2: conversa estratégica e contínua**
Se você está usando a Tess para construir um plano ao longo de várias interações
amadurecer uma análise ou trabalhar em um projeto com contexto acumulado, um contexto maior tende a funcionar melhor.
> Exemplo de prompt:
*"Considere tudo o que discutimos até aqui e organize uma proposta final em tópicos."*
>
> Aqui, a continuidade faz diferença no resultado, pode ser importante rever seu limite máximo.
**Boas práticas**
* Use economia alta para: tarefas repetitivas, prompts curtos
* Use mais contexto para: análises complexas, conversas longas
* Combine com Memory Boost para otimizar custo
* Revise essa configuração se notar: respostas “esquecendo contexto” ou custo alto demais
**Observações importantes**
* Mais contexto = maior consumo de créditos
* Menos contexto pode fazer a IA “esquecer” partes da conversa
* O impacto é maior em chats longos
* O valor exibido (ex: 32K tokens) é um limite aproximado
### **Erros comuns**
1. Deixar contexto alto para tudo: Isso aumenta o custo mesmo em tarefas simples que não precisam de longo histórico.
2. Deixar contexto muito baixo em chats estratégicos: Isso pode prejudicar a continuidade e gerar respostas menos consistentes ao longo da conversa.
3. Tratar essa configuração como algo por chat: O ajuste é feito nas preferências do usuário e influencia a experiência de forma ampla na plataforma.
4. Ignorar o impacto em créditos: Quanto mais contexto for usado por mensagem, maior tende a ser o custo de entrada em conversas longas.
A janela de contexto é uma das configurações mais importantes para equilibrar qualidade de resposta, continuidade de conversa e consumo de créditos na Tess AI.
Como ela é definida por usuário e afeta sua experiência na plataforma como um todo, vale ajustar essa preferência de forma consciente — principalmente se você usa a Tess com frequência ou em conversas longas. Ajustando corretamente, você consegue equilibrar qualidade de resposta e custo operacional de forma simples.