本文深入剖析了大模型在处理长上下文时“降智”现象的真正原因，并非模型变笨，而是上下文窗口的复杂机制所致。文章详细解释了注意力争夺、工具调用、注意力沉降、有效上下文长度及训练视界先验等因素如何影响模型表现。同时，提供了实用的日常使用策略，如创建和更新progress.md文件、使用/clear命令等，帮助程序员优化大模型应用，提升工作效率。
之前用 Claude Code 和 Qoder 干活的时候，经常遇到的一个问题是，上下文窗口明明还剩 40-30%，但模型就好像降智了，已经忘记了之前的东西。但这时我的任务还没做完，压缩上下文吧，怕丢内容；不压缩吧，又担心它越来越笨。我怀疑是不是模型服务商给模型降智了。
但后来我找到了原因，并不是因为模型降智。
为什么在窗口里，却没被读到
2026 年一篇研究长程搜索的论文给这个现象起了个名字，提前终止：在 BrowseComp 基准上，Qwen3.5-397B-A17B 光是直接放弃的任务就有 19.8%,而且放弃时窗口都还远未填满[1]。
另一个实验则用可控变长的环境测了 7 个模型：发现环境描述超过 96K 之后，多数模型的轨迹长度和工具调用次数进入平台期，任务更难了，动作却不加了[2]。
原因是有这么几方面：
上下文窗口和内存不一样，本质上还是注意力的争夺。说白了，模型每生成一个 token，窗口里的全部内容都要重新抢一次权重，某个 token 权重涨一点，其他 token 就得让一点。所以往窗口里多塞一段内容，等于多放进来很多抢权重的 token。而最强的注意力抢夺者，恰恰是和当前任务最像的内容。所以有的时候连贯的上下文反而让模型变笨了。
另外一个值得注意的事情是，大量工具调用的过程，也进了窗口。智能体每跑一轮，进入窗口的有三种东西：模型自己的叙述、工具调用的完整参数（Write 一个文件，整个文件内容是作为参数进窗的）、还有工具返回的完整结果。
竞技场 vs 仓库
- lost in the middle 和注意力沉降(attention sink）。2023 年就发现，模型对窗内信息的利用率呈 U 形，中段塌陷[3]，而一个任务的关键决定，很大可能恰恰沉在会话中段。注意力沉降则是在说，模型会把大量注意力固定倾倒在窗口最开头的几个 token 上，而与内容无关[4]。
Lost in the Middle U 形塌陷
图源：Lost in the Middle（2023）图 1——把答案所在文档从第 1 篇挪到第 20 篇，准确率呈 U 形：中段最低，甚至低于不给任何文档的闭卷线（红虚线）。单模型（gpt-3.5-turbo）、约 4K token 规模的老实验，看形状不看尺度。
- 与训练有关。由于长序列语料的天然稀缺，现在的超长窗口，很大程度是靠位置编码外推这类工程手段“扩”上去的。专测“有效上下文长度”的 RULER 类基准也说明，模型的有效长度普遍只有标称的几分之一[5]。这和我的体感对得上：200K 的窗口，剩三四成时开始难受；换到 400K-1M 的窗口，用到六七成同样难受。所以我们花钱买的窗口，有效部分一直是打折的。
RULER 标称 vs 有效上下文
图源：RULER 基准（COLM 2024）表 3——Claimed（标称）与 Effective（有效）两列：128K 标称普遍只剩 32K–64K 有效，最极端的标称 1M、有效不足 4K。老一代模型，看现象不看具体数字。
- 还有一个有意思的推测，叫“训练视界先验”：模型训练时的任务长度是有界限的，模型可能内化了一种“一件事大概干多久”的感觉，而这个感觉是训练里的任务，不是我们手头这个。
训练视界先验示意
日常使用怎么办
看完了问题的本质，再来说解决方案。如果你的任务进行了一半，已经感到 agent 不太行了，可以按照这三步进行：
第一步，可以对模型说：“停一下手头的活。把当前任务的目标、已完成、待办、关键决定、还没验证的结论，写进 progress.md。”
第二步，自己花 30 秒读一遍，发现缺了内容就补一句。这是全程唯一要人出力的环节，也是它比自动压缩可靠的根本原因。
第三步，使用 /clear（不是 /compact），新会话后第一句：“读 progress.md，从待办第一条继续。”
另外还可以养成两个习惯。
一是 /clear 根据任务边界定，而不是根据上下文窗口的容量。一件事验收完，先放进 progress.md，再 clear，而不是等窗口上下文快满了。
二是开工第一句就说：“先建一个 progress.md，写上目标和计划拆解；之后每完成一步更新它，每次动手前先重读它。” 包括：目标、已完成、待办、关键决定。两条习惯用同一个文件：开工创建它，收尾收割它。
两种清理时机
容量触发是等水漫上来才舀；边界触发是每做完一件事就清一次账。
还有个微习惯，就是让 agent 只读需要的部分.“只看这个函数”“读 100-150 行”。少进窗一段，就少一个竞争者。
尾声
回到开头的怀疑：我一度以为是服务商给模型降智了。现在我知道，它不是变笨了，是不读了。因为上下文窗口不是仓库，是竞技场。既然一个窗口靠不住，为什么不给每件任务都开一个新窗口？这也正是子智能体的本质：上下文隔离，用隔离换干净。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
为什么要学习大模型？
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。
大模型入门到实战全套学习大礼包
1、大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
2、大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。
3、AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
4、大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
5、大模型大厂面试真题
面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
适用人群
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
