一个窗口从上周用到这周。先改简历，再挑冰箱，最后算报销。你回头问简历里那句自我评价，它把冰箱的预算套了进去；你提醒它“不要用第一人称”，它回一句“好的”，下一段照旧。
你大概会骂一句“又降智了”，然后打开模型列表，准备换一个。先别。多数时候，问题不在模型，在你递给它的那一长串上下文。
模型被换掉的情况不是没有，只是普通人很难验证。上下文这一层能验证，也更常见：窗口远没满，AI 已经开始犯糊涂。
Chroma 在 2025 年 7 月测了 18 个主流模型，GPT-4.1、Claude 4、Gemini 2.5、Qwen3 都在里面。任务难度不变，只把输入拉长，性能就往下掉，而且掉得不均匀。Chroma
最能说明问题的是“抄单词”实验：给模型一串重复的词，让它原样复述。这几乎不需要推理，可输入一长，照样抄错。问题不在难度，在注意力怎么分。
2026 年 1 月的一篇论文给了个刻度：拿 Qwen2.5-7B 测，上下文用到窗口的 43.2% 左右，性能会断崖式下跌。
五种方法交叉验证，区间落在 40%–50%；越过这个点，F1 从 0.556 掉到 0.302，少了 45.5%。知乎
为什么是断崖，不是慢慢变差？因为注意力有限。
Anthropic 在 2025 年 9 月的工程博客里管它叫“注意力预算”：上下文是有限资源，边际收益递减。Anthropic
n 个 token 之间有 n² 条关系，每多塞一段，都是从同一份预算里划走一块。
更麻烦的是，吃掉预算的常常不是“垃圾”，是“相关但没用”的内容。Chroma 的干扰项实验里，离正确答案语义越近的干扰项，越能把模型带偏；完全无关的内容，反而影响小。知乎
你之前试过但失败的方向、已经推翻的结论、聊到一半的另一个任务，都属于这一类。看着都和正事有关，所以都还在抢注意力。
还有个反直觉的结果：把上下文打乱，模型反而更准。结构清晰的文本会把它“吸引”去理解论证线，目标信息被埋住；句子各自独立时，那根“针”更突出。Chroma
不过，“长度”本身是不是元凶，学界还有争议。
2026 年 6 月的一篇预印本用固定探针测了四个模型，没有观察到长度驱动的退化。更稳妥的说法是：单轮“大海捞针”和多轮、渐进累积的真实对话，是两种病。知乎
你遇到的“越聊越乱”，多半是后一种。
同样的问题，换个干净窗口再问一遍，答案常常就回来了。别急着换模型，先换窗口。
三个习惯就够。
一是“一事一窗”。写简历、挑冰箱、算报销，分开开三个对话。做完一个关掉，别让它继续坐在会议室里。
二是“开工先给背景包”。新窗口第一条消息只放三样：要做什么、有什么硬约束、哪些事实已经确认。别把整段聊天记录搬过去，那是把杂物间挪进了新房间。
比如：“把这份简历改成投产品岗，控制在 800 字，别用第一人称。已确认：3 年运营经验，不带团队。”
三是“看到信号就交接”。三个信号：开始重复上一轮、忘了你最早定的约束、同一问题前后两个答案。出现任意一个，让它先写“当前结论 + 未完成事项 + 下一步”，贴进新窗口，再关掉旧的。
这套办法不花钱，也不用等模型更新。那位把 639 条聊天压到最近 200 条的 UP 主，每句输入的 token 从约 3.6 万降到 1 万出头，AI 对“示教室电脑密码”的回答也跟着变了。哔哩哔哩
模型当然会继续变强，窗口也会继续变大。但“装得下”和“用得出”是两件事。下次觉得 AI 变笨，先看看你们聊了多久。
