要解决这个问题，你可以使用上下文填充模型。以下是一个使用Python的示例代码：

import openai

# 设置OpenAI API密钥
openai.api_key = 'YOUR_API_KEY'

def query_model(model, context, query):
    # 将上下文和查询合并成一个输入字符串
    input_text = f'{model}: {context}\nQuery: {query}\n'

    # 调用OpenAI的文本生成API
    response = openai.Completion.create(
        engine='davinci',
        prompt=input_text,
        max_tokens=100,
        n=1,
        stop=None,
        temperature=0.7
    )

    # 从API响应中提取生成的文本
    answer = response.choices[0].text.strip().split('\n')[0]

    return answer

# 上下文
context = "LlamaIndex: 这个模型需要更多的上下文才能回答查询。"

# 查询
query = "你能给我一些关于LlamaIndex模型的更多信息吗？"

# 调用query_model函数获取答案
answer = query_model('Anthrop\\c Claude', context, query)

print(answer)

在上述代码中，首先需要设置你的OpenAI API密钥。然后定义了一个query_model函数，该函数将模型名称、上下文和查询作为参数，并使用OpenAI文本生成API生成答案。

在主函数中，我们定义了上下文和查询，然后调用query_model函数获取答案。最后，打印出答案。

请确保将YOUR_API_KEY替换为你的OpenAI API密钥。另外，该代码使用了davinci引擎，你也可以根据自己的需求选择其他适合的引擎。