跟AI聊了30轮之后，它把第3轮定好的规矩全忘了。

这事我踩了大半年坑才想明白——不是模型变笨了，是大多数人对"上下文窗口"的理解从一开始就是错的。

今年各家模型上下文都卷到百万token级别了，很多人觉得：窗口这么大，所有资料往里塞就行了。结果呢？AI开始答非所问、前后矛盾、甚至推翻自己说过的话。

问题出在哪？

上下文窗口不是仓库，是工作台。工作台越大，能摊开的材料越多，但每张材料分到的注意力就越少。有研究测过，输入从1万token膨胀到10万，模型对中间位置信息的召回率直接掉了40%以上。

更狠的是"迷失在中间"现象——模型对开头和结尾的内容记得最牢，中间塞的东西最容易丢。你精心写的需求文档放在第15轮对话里？对不起，AI大概率已经"视而不见"了。

我总结了三条实操经验👇

1️⃣ 对话超20轮质量下滑，别恋战，直接新建对话。花两分钟重写提示词，比在旧对话里反复纠正一小时有效得多。

2️⃣ 核心指令永远放开头或结尾强调，别放在中间。"首因效应+近因效应"对AI同样适用。

3️⃣ 复杂任务拆成多个短对话，每个对话只解决一个子任务，最后人工汇总。比你一口气全塞给AI的质量高出一截。

说白了，2026年用AI最大的误区不是不会提问，而是不懂得什么时候该"翻篇"。

你有没有遇到过AI聊着聊着突然"忘了"之前说的事的情况？你一般怎么处理？