别再说AI懂你了！先搞清楚AI中的Context到底是什么（上篇）

张开发

• 2026/4/6 2:17:51 • 15 分钟阅读

分享文章

你有没有遇到过这种情况——跟ChatGPT聊了五句话第四句你说了“那个方案不行”第五句它问“哪个方案”。或者你让AI写一篇关于“苹果”的文章它给你写了一整页水果种植技术而你想说的是苹果公司。这就是AI中的Context没搞明白的典型症状。一句话说清楚Context就是AI的“短期记忆眼前处境”打个比方。你去见一个朋友聊到一半你说“那件事后来怎么样了”。朋友一脸懵“哪件事”——这时候朋友就缺少context。反过来如果你们一直在聊“上周说的那个项目”你一说“那件事”朋友秒懂。因为你们共享了context。AI也一样。它每次生成回答除了看你刚发的那句话还要看之前聊了什么、你是什么身份、任务是什么、有什么额外要求。所有这些加在一起就是AI的context。那Context到底是为了解决什么问题才出现的最早的AI对话模型老实说像个金鱼。你问“北京天气怎么样”它回答完。你再问“那明天呢”它问你“哪个城市的明天”——因为它已经把上一轮忘了。这不是它笨是设计上就没打算记。于是问题来了问题一缺乏连续性用户不想每次都说“请用正式语气写一封邮件主题是XXX收件人是YYY另外加上ZZZ信息”。如果第一轮已经交代过了后面就不该再重复。问题二无法处理指代“这个”“那个”“它”“他”——人类日常对话里满是指代词。没有contextAI根本不知道“这个”指的是什么。问题三缺乏一致性没有context同一轮对话里AI前面说“你好我是你的助手”后面可能说“我没有名字”。因为它不记得自己刚说过什么。问题四无法个性化同样的“帮我推荐一部电影”你知道是给小孩看还是给老人看是在晚上放松看还是周末全家一起看。没有contextAI只能瞎猜。所以Context的出现本质上就是为了解决AI没有记忆、没有状态、不会看人下菜碟这些硬伤。Context有哪些类型上篇先讲前三种1. 对话历史Context最直观的一种。就是你们俩刚才说了什么。比如用户我想去日本旅游。AI好的推荐东京、大阪、京都。用户这几个地方哪个人少一点最后一个问题里的“这几个地方”就需要AI回头去看第一条消息里的“东京、大阪、京都”。这就是对话历史context。2. 系统级Context这是用户看不见但一直在起作用的那层context。比如你打开一个法律咨询的AI开发者在后台设置了一条系统指令“你是一个专业律师助手引用中国法律条文回答不要编造案例。”这条指令会塞进每一次对话的context里用户看不到但AI每一轮都会看到。作用是什么锁定角色和行为边界。3. 用户显式提供的Context就是你自己主动交代的信息。“我今年35岁做市场工作的想转行做数据分析。”“我小孩5岁刚上幼儿园。”“我住在广州爱吃辣的。”这些信息一旦给出去理想情况下AI应该在后续对话里一直记住。你说“推荐一个周末去处”它应该推荐广州的、适合带小孩的、辣的餐厅或者活动。很多AI产品允许你设置“个人资料”或者“偏好”本质上就是在喂context。

更多文章

前端开发 2026/4/6 2:12:00

面试-Linear Attention的学习

Linear Attention 学习笔记 0. Linear Attention 的目的与背景 0.1 标准 Attention 的瓶颈在 Transformer 的标准 Self-Attention 机制中，注意力分数的计算方式如下： Attention(Q,K,V)=softmax(QKTd)V \text{Attention}(Q, K, V) = \text{softmax}\left(\frac{QK^T}{\sqr…