Context Rot 是什么？
Context Rot（上下文腐化）指 AI 输出质量随对话或输入变长而出现的可测量下降。模型开始忘记指示、偏离主题、与自己先前的说法矛盾。这不是你提示写得差，而是大型语言模型处理长输入时的已知特性。
如果你的 AI 输出质量参差，开始时精准、一小时后变得马虎，你并没有操作失误。你只是在亲眼目睹 Context Rot 发生。
Chroma 于 2025 年发表的研究测试了 18 个前沿模型，包括 GPT 和 Claude 系列，发现每一个模型的表现都随输入长度增加而下降，即使任务简单如从输入前段找回一项事实。上下文窗口越做越大，这个问题就越值得认真对待。
为什么对话越长，AI 表现越差？
模型对上下文窗口内各部分的注意力并不平均。输入开头和结尾的内容获得较高权重，中间部分则被低估。再加上长时间来回累积的杂讯，模型对整个对话的实际掌握能力会缩小，尽管所有内容技术上仍然「在」窗口之内。
这个现象的学术版本是「lost in the middle」效应。斯坦福研究人员在一项被广泛引用的研究中证实：信息放在输入开头或结尾时，模型找回它的可靠度远高于信息埋在中间的情况。
另外还有杂讯问题。一节两小时的工作对话会累积大量死胡同、被否决的草稿和放弃了的支线。这些内容全部留在上下文中，全部与你真正关心的资料争夺模型的注意力。
因此「窗口够大，全部贴进去就行」只说对了一半。容量和注意力是两种不同的资源。窗口变大了，注意力并没有跟着变大。
如何判断 Context Rot 已经出现？
可靠的警号包括：模型重新问你已经回答过的问题、忽略它先前一直遵守的格式规则、把同一对话中两个不同题目的细节混在一起，或者答案越写越长却越来越空泛。出现任何一项，代表这段对话已超过其有效长度。
举一个具体例子：你在第一条消息设定了风格规则（「所有文案 50 字以内，不用感叹号」）。头十个输出它都遵守。到第二十个输出，感叹号回来了。规则没有从窗口中消失，只是从注意力中消失了。
很多用户的反应是责备模型（「我说过不要感叹号！」），这只会在上下文中间增加更多杂讯，让根本问题轻微恶化。解决方法在于结构，不在于语气。
如何解决 Context Rot？
解决方法是主动管理上下文：决定什么留在对话中、什么需要压缩成摘要、何时应该重新开始。五个习惯覆盖大部分情况，全部不需要技术背景。
1. 把对话当作用完即弃。一个任务一个对话。任务改变时，开新对话，而不是把旧对话扭向新方向。
2. 摘要后重启。长对话开始飘移时，要求模型把整节对话的状态压缩成一份交接笔记，然后把笔记贴到全新对话中。你保留了所有决定，丢掉了所有杂讯。确切的提示在下一节。
3. 重要内容放最前和最后。常设规则和关键参考资料放在最开头。在长输入的结尾提出最终问题时，把关键限制条件重述一次。中间位置是指示被忽略的地方。
4. 在对话之外保存一份常设简报。把你的风格规则、项目背景和偏好存放在一份文件中，或使用专为此设计的功能，例如 Claude 的 Projects 或 ChatGPT 的自定义指令。存放在对话之外的参考资料，不会在对话之内腐化。
5. 粘贴之前先修剪。当只有 4 页相关时，喂给模型 40 页不会让答案更好。长上下文测试一致显示，干扰材料越多，找回准确率越低。相关性胜过分量。
「摘要后重启」提示范本
这是整份清单中价值最高的习惯。每当一节高效的对话开始变得混浊，通常在 20 至 30 个来回之后，就执行它。
试试这个提示：
「这段对话越来越长，我想在新对话中继续。请写一份交接简报给下一节对话，包括：(1) 我们正在达成的目标，一句话说明；(2) 到目前为止的每一项决定，以要点呈现；(3) 我给过你的所有常设规则和偏好，准确表述；(4) 工作的目前状态，包括任何草稿的最新完整版本；(5) 下一步要做什么。不要宽松地概括，任何含糊之处请引用我的原话。只输出简报本身，方便直接粘贴。」
然后开一个新对话，把简报贴上作为第一条消息，再加一句：「确认你已完全吸收这份简报，然后继续下一步。」这个确认步骤迫使模型真正处理交接内容才开始工作。
第 (3) 项最重要。在新对话开头重述的规则，正好处于注意力最高的位置，而这正是旧对话中被遗忘的规则所缺少的待遇。
管理长对话有哪些常见错误？
三个陷阱连资深用户都会中招。每一个都让人感觉高效，实际上却在悄悄拖低输出质量。
把马拉松式对话当成勋章。一段 300 条消息的对话不是深度协作，超过某个长度后它是负资产。模型不会在长对话中越来越了解你，它只会得到一个杂讯越来越多的窗口。
重复提醒而不重启。每隔几条消息重申规则确实能短暂唤回注意力，但同时也在复制内容，让窗口膨胀得更快。一次干净的重启胜过十次提醒。
信任记忆而不验证。在长对话中，永远不要假设模型仍记得一小时前的限制条件。交付最终成果之前先问：「列出你目前为这个任务遵守的所有规则。」如果清单不对，先重启再打磨。
总结
Context Rot 不是靠更聪明的措辞就能绕过的缺陷，而是长输入的结构性特质。能稳定获得高质量输出的人，都是刻意管理窗口的人：对话保持精短、交接保持干净、规则放在注意力所在的边缘位置。
本周练好「摘要后重启」这个习惯，一天之内你就会感受到区别。科技应该迁就你的工作方式，而不是倒过来。懂AI的冷，更懂你的难。UD 同行28年，让科技成为有温度的陪伴。
你的 AI 功力到了哪个级别？
上下文管理是区分普通用户与高手的技能之一。做一次 AI IQ 测试，看看你目前的水平。当你准备把可靠的 AI 工作流程建入日常运营，UD 团队手把手带你完成每一步，从配置到部署。