Appearance
AI 为什么记不住前面说过的话？
导读
上下文就是模型这一轮能看到的全部 Token，它只增不减，中间的内容最容易被忽略。指望它自己记住不现实，把关键约束放在开头或结尾、把材料直接贴给它，才稳。
上下文管理的本质，是筛选、留存有用的 Token，在窗口里维持一个高质量的环境。完整展开见上下文管理到底在管什么？。
上下文窗口越大越好吗？
不是。窗口大只解决「装得下」，不解决「看得准」。
越长越容易出现中间丢失和注意力分散，而且更贵、更慢。一个便宜但装不下项目的模型，用起来反而更贵；一个装得下但塞满噪声的窗口，答得反而更差。够用即可，把关键约束放在首尾。
我把上一句删了，AI 为什么还按旧的来？
模型自己删不掉已经进入窗口的 Token。你以为的删除，多数只是界面不显示了，或者靠新指令把旧内容压住；旧内容还在参与计算。
真正的物理剔除是 Harness 在下一轮组装请求时不再带上它，那是外部程序的行为，不是模型能力。所以用指令否定旧内容并不可靠，能重开一轮就重开。
最重要的要求应该放在开头还是结尾？
开头或结尾，别埋中间。模型有明确的位置偏见：开头记得最牢，结尾次之，中间最容易忽略。
这条规则对应的是「Lost in the Middle」：全文都在窗口里，埋在中段的约束照样被无视。多条硬约束就拆成首尾两处重申，不要指望它自己翻回去找。系统提示词放在最前面，用的就是同一个道理。
AI 说「我去查一下」，但我没看到它查，怎么办？
把动作写成显式指令，并且要它交证据。「去联网搜一下这件事的最新进展，把来源链接列出来」比「查一下最新进展」可靠。
模型不会自动判断一个问题需要实时数据，它依赖明确规则或用户指令。「检索」是一个可核实的动作：先让它给出真实来源，再基于来源回答，能明显压低胡编。
Memory 功能到底要不要开？
关掉。Memory 的做法是把重要内容写进外部文件，下次对话时检索出来再塞回窗口，这三个环节都不稳定，还挤占上下文。
产品自己的文档也承认，记忆由模型自动抽取，可能有概括偏差和时效问题。更麻烦的是它会变成持久化的攻击面：能改这些文件的人，就能跨会话改变 Agent 的行为。要长期记住的事，写进项目里的文件，别交给 Memory。
什么时候该派子代理？它和 Agent Teams 有什么不一样？
判断标准只有一条：这段中间过程值不值得占用主对话的 Token。
只需要结论、不参与后续决策的，派子代理——读几十个文件、查资料、审代码，都适合外包；需要几个角色互相质疑、交换中间发现才能推进的，才用 Agent Teams，代价是协调开销和更笨重的流程。子代理只能单向汇报，不能横向讨论，这是它的结构局限。
另外，子代理不继承主对话里的纠错和偏好，派活时任务描述要自包含；它的结果要落盘，不然你没法复查。
AI 为什么总顺着我说，哪怕我说错了？
它是条件概率机器，训练目标和偏好打分都偏向「给出完整、顺耳的答案」。承认不知道、指出漏洞，在打分机制里不占优势。
一个直观对比：同一篇稿子，你说「这是我写的，帮我审阅」，它多半温和；匿名贴给它评判，结论会客观很多。想听真话，就别在上下文里暴露你的立场和期待，或者直接要求它先证伪你的方案。
该不该看 AI 的思考过程？推理强度怎么调？
复杂任务要看。做工作流、设计 Skill、排查问题的时候，思考过程比最终结果更能暴露它理解偏在哪一步。
推理强度不是越高越好：规划和校验拉高，格式化、提取、改写用低，默认先用中等。思考 Token 也计费、也占上下文，长任务里前面的思考会持续拖慢后面每一轮，所以要阶段性压缩、保留关键决策。