你有没有过这种经历：跟 AI 聊了半小时，前面说的需求它全忘了，又开始瞎答。
你以为是它笨。其实不是笨，是它的「桌子」不够大。
这个桌子，行话就叫上下文（Context）。搞懂这一篇，你用 AI 的效率和顺手程度，能上一个台阶。
先记住一句话：AI 每次回答，都是「从头看一眼」
跟人聊天，我们有长期记忆，昨天说的事今天还记得。
AI 不一样。它本质上没有记忆，每次你发一句话，它做的事是：把你这次对话的全部内容，从第一条到最后一条，整段重新读一遍，然后接着往下写。
所以它「记得」你前面说的，不是因为记住了，而是因为那些话还摆在桌上，它现读一遍。
把这些话摆出来的那个空间，就是上下文。
上下文窗口：AI 的桌子有多大
这张桌子有大小，行话叫「上下文窗口」（Context Window），单位是 token。
你可以理解成：桌子越大，能同时摊开的材料越多，AI 就越能「记住」你说过的事。
早期的模型桌子很小，大概几千字，聊两页纸满了，前面的内容就被挤下桌。现在的模型桌子大了很多，几十万字都放得下，等于一次性读完一本厚书。
但桌子再大也不是无限。你丢一本 100 万字的材料进去，超出的部分它照样看不见。
为什么聊久了它就开始糊弄
这就解释了你遇到的大部分「AI 犯傻」：
第一种，聊太长了。内容塞满桌子，最前面的关键需求被挤出去，它就开始答非所问。
第二种，你中途改了主意，但没明确说「以最新的为准」。桌上新旧两套要求并存，它不知道该听哪个，容易混着来。
第三种，你把一堆文档、聊天记录全扔给它，它分不清哪段是重点，答得又长又散。
这三种都不是它笨，是桌上太乱。
三个立刻能用的做法
第一个，长任务及时「换桌」：一个话题聊到头，或者明显感觉它开始跑偏，就新开一个对话。别在一个窗口里从头干到尾。
第二个，关键信息「拎出来」：重要的要求、格式、禁忌，不要藏在三千字中间。放在最前面，或者最后再强调一遍。它的注意力对开头和结尾最敏感。
第三个，让它先复述再干活：丢长材料之前加一句「先把你理解的任务复述一遍，确认后再做」。它复述错了，你当场就能纠。
上下文里还有一层：你给的「背景」
很多人只把上下文理解成「聊天记录」，其实不止。
你上传的文档、你贴的报表、你给的示例、系统里预设的角色说明——全都算上下文。它们是这张桌子上的菜。
所以想让 AI 干得好，一个笨办法特别有效：把背景给足。你是干什么的、给谁看、要多长、什么风格、什么不能写。这些交代清楚，比反复纠正它十遍有用。
行话把这叫「上下文工程」（Context Engineering）。听着唬人，说白了就一句：别让它猜。
顺便说清一件事：上下文 ≠ 记忆
现在很多产品宣传「AI 有记忆了」。这个「记忆」和上下文是两码事。
上下文是这张桌子，聊完就清空。
记忆（Memory）是旁边的一个抽屉，它会把你的偏好、习惯挑几条存起来，下次开新对话时再拿出来放到桌上。抽屉是产品做的功能，不是模型天生就会。
关于记忆，这个专题后面单独有一篇讲。你现在只要分清：桌上的是上下文，抽屉里的是记忆。
一句话带走
AI 不记事，它只是每次都把桌上的东西重读一遍。
桌子大小决定它能记住多少，桌上乱不乱决定它答得好不好。
所以：任务要换桌就换桌，关键信息要拎出来，背景要交代清楚。
下一篇聊：深度思考模式该不该开？AI 的「思维链」到底在想什么。
