你在和AI对话聊着聊着发现它开始恍惚——答非所问、忘记你刚才说的、输出质量明显下降。这不是模型坏了是该清空上下文了。知道什么时候重新开始是长对话管理中最被低估的技能。一、为什么需要清空上下文1.1 上下文积累的三个问题问题一Token接近上限。最直接的问题。当对话历史当前输入接近模型的上下文窗口上限时最早的信息会被截断。问题二信息干扰。AI在响应时需要考虑整个对话历史中的所有信息。历史越长无关的历史信息就越可能干扰当前任务的注意力。问题三方向漂移。如果对话中多次转换话题或反复修改方向AI会被混合信号影响不确定你的最终意图。1.2 清空vs继续的判断标准清空上下文的时机要开始一个与当前对话完全无关的新任务当前对话已经完全偏离了最初的目标且纠正成本高于重来成本AI的输出质量明显下降且不是因为你的提示词问题对话已经超过你预估的有用范围如超过30轮继续当前对话的时机当前任务还在继续且AI的输出质量保持稳定新任务虽然不同但可以利用当前对话中积累的上下文你只需要做一个小调整不需要完全重来二、清空上下文的最佳实践2.1 优雅的清空先总结再迁移不清空上下文的最粗暴方式是直接关闭对话开个新的。正确做法是在当前对话中先做一个收尾总结将总结复制下来开启新对话把总结作为新对话的开场上下文在新对话中继续你的工作这样你既获得了干净的上下文又保留了之前对话的核心成果。2.2 主动清空vs被动等待不要等到AI明显不行了才清空。在长任务开始前就预估对话轮次主动设置重置点。比如处理一份长文档的10个章节可以计划每处理3章就重置一次上下文。三、上下文管理的洁净室策略对于零容忍的高质量要求任务每完成一个子任务就清空上下文每个子任务使用全新的对话。这确保了每一个子任务都不会被之前讨论中的噪音干扰。代价是需要在每个子任务开始时重新提供核心上下文。✅ 本文核心要点总结清空上下文的四个信号Token接近上限、信息干扰、方向漂移、质量下降优雅清空 先总结 → 复制 → 新对话 → 以总结作为开场主动规划重置点不要被动等待AI不行了洁净室策略每个子任务使用全新对话确保零干扰本文是《提示词工程教程》系列的第96篇。