#it那些事儿# 《让 AI 更聪明的秘诀，是让它“忘得更快”》
我们都曾有过这种直观的感受：每个对话从零开始，在上下文大约 10万 tokens 之前，大模型工作良好。超过这个范围，大模型开始变笨。
TypeScript 大神 Matt Pocock 的“LLM有智慧区和愚蠢区”（如图一所示）说法看起来像经验主义，但背后其实对应下面三件事：

你可以把一个大模型想象成一个“同时盯着一整张白板思考的人”。
当白板上只有几行字的时候，他能看清每一条信息、能分辨什么是重点、能把前后逻辑串起来，这就是所谓的“智慧区”。
但当白板被写满——密密麻麻几万字、几十万字——情况会发生质变，而不是简单变慢。他会出现三个非常具体的退化现象：

第一层：他开始“看不过来”了（attention O(n²)）
不是说他完全看不见，而是每多一行字，他需要额外花更多精力去“同时对比所有内容”。结果就是注意力被极度分散，思考成本急剧上升，反应变慢，甚至开始偷懒（用套路回答）。

第二层：重点被“淹没”（关键 token 稀释）
重要信息不会消失，但会“失去权重”。这就像一句话里有一个关键词，很容易抓住，但是一万句话里有同样一个关键词，几乎等于不存在。于是模型会忽略真正关键的约束，而去抓住一些“看起来合理但其实无关”的信息，输出“听起来对，但其实偏了”的答案。

第三层：信息开始“串味儿”（语义漂移）
这是最隐蔽、也是最致命的一层。当上下文很长时，里面其实混着三种不同类型的东西：你给它的指令（你要它做什么），中间过程（它自己推理过什么），事实信息（资料、数据）。在短上下文里，它能分清这些角色。
但一旦变长，就会开始出现：把“之前的推测”当成“事实”，把“旧指令”当成“当前目标”，把“例子”当成“规则”。

把这三点合在一起，你就能理解“愚蠢区”到底是什么了。不是模型突然变傻，而是他进入了一种“信息太多、注意力分散、重点消失、语义混乱”的癫狂状态。于是表现出来就是，答非所问、自相矛盾、开始胡编但语气很自信。

短上下文像桌上一页纸，思路清晰。长上下文像站在图书馆中央，被要求同时理解所有书。
不是他不聪明，而是这个任务本身既不是人类，也不是底层逻辑基于注意力机制的大模型所擅长的形态。
换句话说：LLM 并不是突然变笨，而是“注意力资源被噪声淹没”。

Matt Pocock 的解法不是“捏着鼻子用”，而是从结构上解决它。
他在 github.com/mattpocock/skills 设计了一套工作流（如图二所示），核心思路：不延长单次上下文，而是把大任务拆成一系列独立的“状态转换”，让模型每次都在最清醒的状态下工作。

流程是这样的：
/grill-with-docs 先把模糊想法追问成无歧义的执行计划——AI 不急着写代码，而是反问你：“你说的优化是速度还是质量？会影响哪些模块？”一个决策树就此成型。
/to-prd + /to-issues 把计划存成 PRD 文件，对话就此关闭。新对话只读这个小文件，省掉所有历史包袱。再拆成多个独立 GitHub Issue，每张卡片目标单一、可以并行处理。
/tdd 在全新干净的对话里，只聚焦一个 Issue。先写必然失败的测试，再写让它通过的最少代码，最后在测试保护下重构。任务完成，对话再次关闭。
另有 /diagnose 处理 Bug（强制走“复现→最小化→假设→验证”流程），/improve-codebase-architecture 每周对抗代码腐烂。

你可以直接用的三个习惯：
1）任何需求先过 Issue 化流程，变成一张独立卡片再动手；
2）每次对话只喂三样东西：一个 Issue + CONTEXT.md + 相关模块的决策记录；
3）功能完成就关对话，把关键变更总结进 CONTEXT.md，下一个任务开新窗口！

归根结底，Matt 用的是 Don Norman 那个设计原则：不是 AI 的错，而是环境没设计好。 既然模型在长上下文里会变笨，那就改变环境，让它不需要面对长上下文。