你大概率经历过这种时刻：跟 AI 敲定了论文框架，聊了十轮再问细节，它装没发生过；明明上周否掉的方案，它自己又捡回来；你越跟它掰扯，它表现得越差。小红书小红书
别急着换模型。这有个专门的名字，叫上下文腐烂（context rot）。小红书
为什么会这样？大模型每吐一个字之前，都要给上下文里的所有内容分一遍"注意力"，而这份注意力是固定预算。只放 500 个 token 时，你的关键要求能分到两成左右的权重；堆到 50,000 个 token，同一句话可能就剩千分之二。聊得越久，稀释越狠——你每发一条新消息，都在给之前的重点放血。知乎
还有个更坑的规律叫"中间丢失"。一项经典实验把答案放在长上下文的不同位置，结果：放开头，准确率约 75%；放结尾，约 72%；放中间，只有约 55%。你把重要约定压在对话中段，再指望 AI 自己捞出来，基本是碰运气。知乎知乎
而且亏的不只是质量。同样的任务，8 万 token 的上下文，单次调用比 1 万 token 的贵出 8 倍，输出还更差——多花钱，买次货。知乎
下面是六个能直接抄的动作：
1. 一事一窗。 别让 AI 一边聊论文一边顺带想 PPT。两个话题的噪音，比一个短而专注的对话糟糕得多。
2. 不对劲就重启，别吵架。 当你发现它开始引用二十轮前的旧设定、前后矛盾、同一件事要纠正两遍——这是桌子放不下的信号。正确姿势是让它自己写"交接文档"：把已确认的结论、约束、未完成事项压成一段话，贴进新窗口再开工。用 Codex 跑代码项目的，它甚至支持一句话自动开新窗口搬家，但只在 Git 仓库里可用，`.env` 这类被忽略的文件还得手动加白名单，别踩坑。小红书
3. 关键约束放开头，要紧处补一句。 系统提示和你的最新提问天然占据优势位，中间是注意力死区。规矩要么在开局就说清，要么在结尾再敲一遍。
4. 喂少一点。 给 3 份真正相关的资料，好过顺手丢进去 10 份"可能有用"的。扔长文档之前先给它目录，让它按章节读，别指望它一口气吞完全书还给你划重点。
5. 慎用长期记忆。 让它"记住"的东西越多，串台和拿旧习惯污染新任务的机会就越大。严肃任务之前，先把记忆功能关一关。小红书
6. 发现跑偏就重新生成，别打补丁。 你在同一对话里跟它掰扯的每一轮，失败尝试也会留在桌上，成为下一轮它要读的垃圾。
说到底，AI 不是变笨了，是它的桌面被你的聊天记录堆满了。干活之前，先给它腾地方。
