AI科普：为何对话越久，AI显得越笨？

事情的经过是这样的。

不少朋友初次深度体验 AI 时，常会碰到一个令人费解的状况。起初交流时，它相当机智，响应迅速，也能精准领会你的意图。你叫它润色一段文字，它清楚你的诉求。你叫它梳理一份策划，它也能顺着你的逻辑延伸。

然而随着互动深入，感觉就不对了。

你明明先前否决了某个思路，它后续却又把该思路捡回来。你明明早已更换了标题，它却又围绕旧标题做文章。你叫它继续打磨稿件，它越改越像把此前的所有版本揉成了大杂烩。你批评它一句，它态度诚恳地认错。没过几个回合，它故态复萌。

此时许多人的直觉反应是，搞什么鬼，这 AI 怎么越聊越傻了。

实际上它未必是突然降智了。更普遍的情形是，你们这场对话的上下文已经被污染了。

封面图｜AI 扫盲，为什么你跟 AI 越聊，它却越蠢？

不少人会误以为，上下文等同于 AI 的记忆。你同它交流越久，它就越了解你。你喂给它的信息越庞大，它就越聪慧。

这种认知有合理之处，但也暗藏风险。

上下文的确会左右 AI 的输出。你早期提供的素材、指令、基调、范例、禁忌，它在后续作答时均会予以考量。关键在于，这种考量绝非人类那种真正意义上的长效记忆。它更类似于你随手铺在桌面上的一沓文件。

这张桌面上有你的目标，有你的草案，有你刚才推翻的方案，有它自己输出过的旧草稿，有你追加的条件，也有一些彼时管用、此刻已然失效的资讯。只要这些内容依然留存于对话中，就有可能被 AI 捕捉到。

你可以设想一番，一个人挨着你坐协助你改稿。起初桌面空无一物，仅有一页任务单、一份初稿、几条修改意见，他自然容易做对。聊到最后，桌上堆满了废案、旧规划、临时灵感、被毙掉的标题、残缺的指令，他天资再高，也要耗费颇多精力去甄别哪一张才是当下该关注的。

AI 的上下文便等同于这张桌面。

它绝非一个自动归档的知识库。它仅仅是本次任务中，模型能够触及的一大片素材。素材越丰，不代表目标越明晰。素材越杂，反倒越容易误导它。

解释图｜上下文像一张临时工作台，不是永久记忆仓库

人类之间交流，具备一项极强的默认本能。我们会自发分辨哪些话语已经失效，哪些要求已被替代，哪些不过是方才的随口之语。

譬如你对某位设计师讲，先尝试蓝色。片刻后你又改口，罢了，还是采用红黑配色。这位设计师多半明白蓝色方案已作废。他绝不会再每改一版都犹豫，蓝色是否还需保留。

AI 缺乏这般稳定的表现。

你早前定下的旧规矩，绝不因为你后续改变了主意就自动从上下文内抹除。它或许晓得你后来调整了方向，但旧信息依旧原封不动地摆在那。尤其当对话冗长、版本繁多、指令相互冲突之际，它就得在一堆信息中揣度，究竟哪一条才是此刻最核心的。

这便是许多人感觉 AI 越改越糟的根源。

你叫它撰写一篇文章，首回要求偏口语。次回要求偏学术。第三回要求别太科普风。第四回要求带点公众号味。第五回要求开头精简。第六回要求留住原有的情感。第七回又要求别太煽情。

每一项指令单看都没错。问题在于，它们汇聚一堂后，就不再是一套清晰的准则，而是一团相互牵扯的乱麻。

AI 最易犯的错，绝非全然无视你的话，而是对每句话都听从了一点。结局便是，它把你早抛弃的内容夹杂了一点回来，把你刚强调的重点做得不够纯粹，最终炮制出一个看似卖力、却方向诡异的缝合怪。

这不是它在刻意糊弄你。

而是你们的工作台实在太乱了。

解释图｜旧要求、废稿和新目标混在一起，AI 就容易越改越糊

近年诸多模型都在拼长上下文。数十万 token，百万 token，听上去极具震撼力。许多人也会下意识地认定，上下文越长越佳。能喂进去的素材越海量，AI 就越强悍。

我认为对此需保持几分理智。

长上下文固然大有用处。你要提炼长文，审查合同，梳理一堆会议记录，处理庞大项目档案，缺乏长上下文确实举步维艰。它赋予了 AI 更广阔的视野，此项能力至关重要。

然则看得更多，未必判得更准。

这就好比把整个书架全搬至一人跟前。他确乎掌握了更多资料，但你并未指明当前任务究竟该看哪本、哪章、哪页，他反而更易被无关信息分心。资料越丰沛，杂音也越嘈杂。你不能把「能容纳」直接等同于「能领悟」。

长上下文真正适用的情境，是素材本身具备清晰架构，且任务目标足够聚焦。譬如你指示它，仅依据本合同排查风险条款。抑或，仅根据这三份会议纪要汇总待办。此时长上下文犹如一张巨桌，能铺开大量资料，十分好用。

可若你的任务本身不断摇摆，素材持续累加，旧指令迟迟不清理，长上下文恐将沦为更大的垃圾场。

桌面越宽敞，不代表台面越整洁。

此话实则颇为关键。多数人真正渴求的并非无限长的上下文，而是更纯粹的上下文。

解释图｜桌子越大，不代表桌面越干净

那该如何应对呢。

我认为普通用户不必急于钻研分词器，也无需死记一堆技术名词。你仅牢记一条准则即可，别让 AI 负载着大量失效信息前行。

首要一点，是进行阶段性梳理。

当你与 AI 互动了诸多回合，尤其在撰文、拟案、改项目资料之时，别一味往下顺延。每隔一段时期，令它汇总一次当下定论。你可要求它仅保留已敲定的内容，将遭否决的思路、旧版本、临时探讨统统剔除。

此法极为奏效，当前敲定的结论是什么，哪些指令已然失效，后续仅基于此推进。

其次，是应当新建对话时果断新建。

不少人舍不得新建对话，觉着前期聊了那么多，舍弃太浪费。实则并非所有聊天记录都值得随身携带。你真正需带走的仅是结论，绝非整个历程。历程中充斥着大量废案、试探、反复与杂音。

新建对话之际，莫将旧聊天整段照搬进去。你只需带入三样事物，当前目标、必备素材、已敲定的准则。

第三点，是明晰告知 AI 哪些内容失效。

别光说「再调调」。你得直言，上一版标题方向作废，旧口号别再参照，后续仅保留此架构。AI 非人类同侪，它未必总能精准捕捉你的语气更迭。你表达越明晰，它越不易将旧物翻出。

第四点，是将大目标拆解为小目标。

别在单一对话内同时叫它定选题、起标题、撰全文、找配图、调排版、传草稿、查二维码。你固然能让 Agent 串联执行，但每个环节最好具备清晰的输入与输出。定标题即定标题，写正文即写正文，配图即配图，上传即上传。

任务拆解后，上下文亦会清爽许多。

方法图｜清理上下文的四个动作，阶段总结、重开对话、声明作废、拆小任务

有时我觉得，大众对 AI 的误读，源于一种顺理成章的期许。他们巴望 AI 越聊越懂自己，最好犹如故交一般，往事全盘牢记，偏好悉数吸纳，项目皆能无缝衔接。

此般期许固然美妙。症结在于，眼下多数 AI 产品尚无这般顺滑。至少于实际工作内，你不可将全部指望押在一个无限拉长的聊天框上。

真正善用 AI 之人，往往并非最精于撰写 Prompt 者，亦非最擅长同 AI 闲聊者，而是最善于打理任务现场者。

他知晓何时该汇总。何时该截断。何时该新建对话。何时该将资料移至外部文档。何时该让 AI 仅聚焦当前任务所需的那几页，而非将整个项目沿革全背上。

此事听起来不够炫酷，却极其管用。

因为 AI 极像一位聪慧却无经验的实习生。你予它一张净桌，它能表现优异。你将半月的废纸、旧案、聊天记录、临时灵感尽数堆至其跟前，它哪怕再卖力，恐也将越做越糟。

故而日后你若再觉 AI 越聊越傻，不妨先别急于更换模型。你可先自问一句，此对话的上下文是否已脏了。

若是，便别继续硬撑了。

先理桌面。

收束图｜真正会用 AI 的人，会整理任务现场，而不是无限延长聊天窗口

言及于此，实则便能引申出另一重疑问。

若聊天框不适宜一直拖着走，那长期项目该当如何。譬如一组公众号连载、一份客户企划、一个产品库、一个公司知识库、一项长期运营计划，总不至于回回皆从头交代。

此刻便不可单赖聊天记录了。你需借助外部的项目母档，需仰仗能被 AI 读取的资料库，需将素材、结论、版本、任务与标准沉淀下来。如此 AI 每次介入，便不是翻找一大坨聊天记录，而是调取当前任务切实所需之资料。

这也是我后来越发看重项目母档与 LLM WIKI 的缘由。非为彰显专业，而是聊天框委实不堪承载长期项目。

不过此点可留待下篇专文详述。

本篇你仅牢记一理便足。上下文绝非越长越妙，核心在于越净越好。AI 并非无力应对繁杂任务，但你得帮它把任务现场理清。

很多时候，AI 并非越聊越傻。

而是你们一同将桌子聊乱了。

以上，既然读至此处了，若觉尚可，顺手点个赞、在看、转发三连吧，若盼第一时间接收推送，也可赐个星标。多谢阅览，咱们，下回再会。

扫码关注公众号，上船去 AI 世界冒险吧