在使用 LLM 时，我们常遇到“风格漂移”和“逻辑幻觉”。 比如你让 AI 扮演 Python 专家“只写代码不解释”，但因为你中间追问了一次“为什么”，它在后续的回答里就开始喋喋不休地解释。
这是因为大语言模型的注意力是有限的。 当异质性内容（不同类型的话题）在历史记录中堆积，初始指令的权重就会被不可避免地削弱。
解决办法：
1. 一事一议 绝不混用窗口。写代码的窗口别用来写诗，翻译的窗口别用来做数学题。
2. 物理隔离 任务一旦结束，或者话题一旦转换，立刻关闭当前对话。
3. 学会“手动垃圾回收” 当你发现 AI 开始不听话，试图通过打字去纠正它（比如“请回到刚才的设定”）通常效果很差，因为这增加更多的噪音。 最高效的方法是：直接开新窗口，重新输入提示词。
让每一个对话窗口都只为一个明确的目标服务。你会发现，那个“听话、聪明、精准”的AI，又回来了。
