晚上十一点，方案改到第六版。
你把第二轮就否掉的A方案重新说了一遍，AI点点头，又把它提了回来。你以为是它降智了。换个新窗口，同一个问题，它答得干净利落。
这不是错觉。
2025年5月，微软研究院和Salesforce联合做了一项研究。他们让15个主流模型跑了20多万次对话模拟，覆盖6类任务；单轮改成多轮，平均掉39%。知乎
研究者没让模型一次性拿到完整题目，而是把一条完整指令拆成碎片，分几轮慢慢给，模拟人一边说、AI一边猜的过程。
结果不是某一个模型不行。代码、SQL、API调用、数学、数据转文本、摘要，六类任务一起掉。
拆开看更有意思：能力只降了约15%，不可靠性涨了112%。知乎
说白了，它不是不会做，是开始乱做。
原因之一，是它会把前面的错答案当成事实，接着往下推。知乎
论文里写得很直白：模型在某一轮走错，后面往往回不来。arXiv
另一个原因是抢答。信息没说全，它先给结论；你后面补条件，它围着旧结论打补丁。回复也越写越长，多轮回答比单轮长20%到300%。知乎
于是很多人用错力：继续在同一个窗口里掰扯。
一位UP主拿DeepSeek V4.1和Codex做了两组小样本实测：追问“你确定吗”，120次只改口3次；空手开新窗口，DeepSeek 5遍都自己编了一套方案。哔哩哔哩
同一个窗口里越纠越偏，换了窗口又把上下文丢了。
正确的动作不是重开，是交接。先在旧对话里写一张交接单：做什么、交什么；哪些要求作废；哪些已确认、依据是什么；哪些还是推测；试过不行的路；下一步最小的一件事。别复制聊天记录，把推测和事实分开写。哔哩哔哩
只写总结不够。总结容易只留结论，交接单要留下作废项和依据，免得新窗口把旧方案又捡回来。
把它贴进新窗口，先别让它动手。要求它复述目标、约束和手头材料，确认无误再开工。
纠错时也别只说“不对”。把报错原文、反例、出处贴进去，让它对着证据改。
还有一个信号：窗口占用。
有人在自己的工作流里看到，74.5K的窗口，工具输出占了48%。小红书
日志、搜索结果、旧回复挤在一起，你的要求反而被推到中间。先看窗口里装了什么，再决定是压缩还是重开。也不用死记15轮。开始反复改口、重复自己、答非所问，就是该交接的信号。
先别急着骂厂商。多轮对话的退化，15个模型都没躲过。
但版本更新、服务端路由、限额降级，也都是真的。判断方法很简单：同一个问题，新窗口再问一次。新窗口好、旧窗口差，是上下文；两个都差，才是模型或版本。
新开对话不是认输。
你要带过去的是结论和约束，不是几十页聊天记录。
