Capture record

  • Canonical URI: https://www.bnext.com.tw/article/92708/ai-context-rot-seven-signs-start-new-chat
  • Source class: secondary synthesis/reporting。BusinessNext 整理《Every》作者 Mike Taylor 的文章,並轉述研究與技術報告;不是本篇研究的第一手來源。1
  • 原文標題: 你的AI越聊越笨?專家揭7種「上下文腐爛」徵兆:何時該開新對話,高效激發AI內容?(BusinessNext JSON-LD NewsArticle.headline)。1
  • 作者/出版者: 李先泰/數位時代 BusinessNext;文末註記「本文初稿為AI編撰,整理.編輯/ 李先泰」。1
  • 發布時間: 2026-10-19T18:00:00+08:00(BusinessNext JSON-LD datePublished/dateModified)。1
  • 擷取時間: 2026-10-19T11:15:48Z(BusinessNext HTTP response Date);預跑候選檢查時間 2026-10-19T11:05:44.600439+00:00。
  • Retrieval method: 以 web_extract 讀取 BusinessNext canonical page;再以 Python 標準函式庫 urllib.request 直接 HTTP GET 核對 response headers、JSON-LD NewsArticle 與 articleBody。另以 web_extract 讀取《Every》原文、arXiv 2307.03172/2505.06120 摘要頁與 Google Gemini 2.5 PDF 文字層。全程未使用 browser、browser process 或 proxy。1 2 3 4 5
  • HTTP metadata: BusinessNext status 200;Content-Type: text/html; charset=UTF-8;response Date: Mon, 19 Oct 2026 11:15:48 GMT;HTML 384,409 bytes、SHA-256 6ebe64ed9c0618b0fbb5c6adbcf577133d60d0c273c2c12ca56dc9adf88611e6;JSON-LD NewsArticle.articleBody 2,420 字、SHA-256 375543e6118471297b4782ec6a02ea9649bc94e62394e230b1d75257f0c86ca5。1
  • Saved payloads and SHA-256: 不保存 BusinessNext HTML、《Every》全文、論文 PDF 或 Google PDF;本筆只保存 metadata、忠實摘要、claim ledger 與證據界線。frontmatter sha256 是本檔 frontmatter 結束後 body 的 SHA-256。
  • Rights boundary: BusinessNext、《Every》、論文與 Google 技術報告均以 canonical link、metadata、摘要與 claim ledger 保存;未保存完整受版權保護內容。

Faithful summary

BusinessNext 整理 Mike Taylor 對「上下文腐爛」(context rot)的說明:長對話會把舊指令、早期錯誤與無關細節一併帶入後續回答,讓模型表現逐漸失焦;Taylor 因此主張每個任務開新對話,必要時先產生交接文件再換 thread。文章把成因整理成七種使用者可辨認的徵兆:上下文干擾(舊範例框住新答案)、上下文衝突(早期假設卡住後來資訊)、上下文中毒(錯誤污染後續回答)、上下文混淆(無關細節左右回答)、上下文忽略(中間關鍵資訊被漏掉)、上下文漂移(原始目標逐漸失焦),以及上下文不足(缺資訊時模型只能猜)。1 2

文章舉例包括:Taylor 以 Steve Jobs 風格命名示範舊範例會收窄輸出分布;BusinessNext 轉述多輪對話研究在六類生成任務平均下降 39%;並以《Lost in the Middle》說明關鍵資訊若放在長脈絡中段可能較容易被忽略。文末建議把固定偏好存成 Markdown 文件、只帶入必要文件,並在切換對話前整理重要事實、已做決定與下一步。1 3 4

Claim ledger

IDSource claimStatusOwning evidence and boundary
C01BusinessNext 92708 的標題、作者、發布時間、正文與「本文初稿為 AI 編撰」披露。supportedBusinessNext direct HTTP response 的 JSON-LD NewsArticle 與 articleBody 已讀取;只支持頁面 metadata 與文章自身敘事。1
C02Mike Taylor 主張關閉記憶、每個任務開新 thread,以降低舊偏好、舊指令與早期錯誤干擾。supported《Every》原文直接讀取,支持作者的個人做法與解釋;不代表普遍適用或已完成獨立產品實驗。2
C03七種 context rot 徵兆與「先交接、再重開對話」的整理框架。supported as secondary synthesisBusinessNext 直接呈現七類與對策;《Every》原文直接讀取並支持其主要結構,但 BusinessNext 有編輯性改寫。1 2
C04多輪對話在六類生成任務平均下降 39%,模型常在早期回合先做假設並在走錯後難以恢復。supportedarXiv 2505.06120 摘要直接寫明 200,000+ 模擬對話、六類生成任務與平均 39% 下降;未讀取完整論文方法與附表。3
C05《Lost in the Middle》指出長脈絡中段資訊可能較容易被忽略。partially-supportedarXiv 2307.03172 頁面確認論文、期刊與年份;本輪未讀取全文摘要以外的實驗段落,故只保留文章轉述層級。4
C06Gemini 2.5 Pro 在《精靈寶可夢 藍》案例中因早期錯誤而長時間搜尋不存在的 TEA 道具。unresolvedBusinessNext 有此敘事;Google Gemini 2.5 report 已讀取其模型/長 context/Pokémon demo 背景,但本輪未在報告文字層直接核對 TEA 細節。1 5
C07「把需求一次講完」「重要資訊放前面」「把固定偏好存成 Markdown」「切換前寫交接文件」是可複用工作流。observational這些是 Taylor/BusinessNext 的工作法與建議,不是本輪獨立控制實驗或產品 benchmark。1 2
C08BusinessNext 文中提及 Microsoft/Salesforce 研究與若干上游來源,但本輪未直接讀取該研究原始頁面或完整技術報告。supported as evidence boundary本筆明確保留未讀取狀態;不把文章的上游歸因提升為已核實作者、研究設計或因果結論。

Evidence boundary

本筆支持的最小結論是:BusinessNext 於 2026-10-19 整理 Mike Taylor 對 context rot 的七類對話失效徵兆與重開對話策略;其中「多輪對話平均下降 39%」可由 arXiv 2505.06120 摘要直接核對,《Every》文章也直接支持 Taylor 的個人做法。這些證據不支持「每個 AI 任務都必須開新對話」、特定產品自動壓縮行為的普遍性、TEA 故事的完整技術細節,或上述工作流對所有模型與任務的因果效果。raw-only。

Sources skipped or not directly read

  • Microsoft/Salesforce 2025 研究的原始出版頁或完整論文:BusinessNext 未提供可直接讀取的 canonical URL,本輪未獨立核對作者與方法。
  • Google Gemini 2.5 report 的完整 PDF 中段與附錄:只讀取 PDF 文字層的 head/tail window,未逐段核對 Pokémon 案例細節。
  • 《Lost in the Middle》完整論文正文:只讀取 arXiv metadata 頁,未核對全文實驗表格。
  • BusinessNext 相關延伸閱讀頁:未讀取,與本筆主題無必要關聯。
  • 全程未使用 browser、browser process、proxy 或互動式登入繞過限制。

Footnotes

  1. BusinessNext(李先泰;本文初稿為 AI 編撰),〈你的AI越聊越笨?專家揭7種「上下文腐爛」徵兆:何時該開新對話,高效激發AI內容?〉,2026-10-19;https://www.bnext.com.tw/article/92708/ai-context-rot-seven-signs-start-new-chat。 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12

  2. Mike Taylor,〈Context Engineering Is Knowing When to Start Over〉,Every;https://every.to/also-true-for-humans/why-i-start-a-new-thread-in-claude-every-time。 ↩ ↩2 ↩3 ↩4 ↩5

  3. Philippe Laban et al.,〈LLMs Get Lost In Multi-Turn Conversation〉,arXiv:2505.06120;https://arxiv.org/abs/2505.06120。 ↩ ↩2 ↩3

  4. Nelson F. Liu et al.,〈Lost in the Middle: How Language Models Use Long Contexts〉,arXiv:2307.03172;https://arxiv.org/abs/2307.03172。 ↩ ↩2 ↩3

  5. Gemini Team,〈Gemini 2.5: Pushing the Frontier with Advanced Reasoning, Multimodality, Long Context, and Next Generation Agentic Capabilities〉,Google;https://storage.googleapis.com/deepmind-media/gemini/gemini_v2_5_report.pdf。 ↩ ↩2