上下文窗口:AI 的记性有多差

什么是上下文窗口

上下文窗口:AI 一次能“看见”(记住)的文本总量。据那位 Claude 作者的指南,Claude 的窗口最高 200K token,足以装下完整大纲和长稿(单一来源表述,具体数字以各家官方文档为准)。窗口可以很大,但有边界——而且“装得下”不等于“处理得好”:据媒体报道,指令超二十万字后,AI 的逻辑分析就会出错,长篇“AI 味”明显。别把大窗口当万能药。

累积喂回:本模块最后一块拼图

由窗口的存在,推出一条工作方式——累积喂回:工作流里每一步的产出,都作为下一步的输入;AI 写正文时,手里握着此前的全部设定。

为什么要这条纪律?正反两面的证据都有:

• 反面:LLM 写长文本来就容易前后矛盾。Long-Novel-GPT 这类工程项目专门内置了“自动检索前文片段和情节纲要”的机制——这个机制的存在本身就说明,不喂前文,矛盾是常态。你在 1.2 也亲眼见过 AI 的人物设定对不上。
• 正面:DeepSeek 雪花法实测记录里,第五步 AI 基于全部前置设定写出第一章开头,与大纲细节逐项一致——第七单、百元钞、“拆”字墙、脚印,全部对得上。同一个机制:喂了就一致,不喂就容易矛盾。

一条操作纪律:没贴 = 不知道

从今天起养成这条纪律(注意:这是本课程的操作性建议,不是对 AI 内部机制的事实描述——各家产品有没有“记忆功能”、记得多少,是实现细节,本课不做断言):

永远假设 AI 不记得任何没贴进本次对话的内容。

具体做法:每次让 AI 做雪花法的第 N 步,把第 1 到 N-1 步的产出全部贴进对话,别偷懒只贴上一步。按这条纪律做,你不需要关心 AI “到底记不记得”——喂回的效果有一手实测背书,而赌“它也许记得”没有任何背书。宁可多贴,不要赌。

这也预告了 N5 的内容:当设定多到手动贴不动时,工程界的解法是把一致性“外置”到结构化文档系统里(novel-writer 的规格驱动做法,5.3 详讲)——工具在变,但“一致性不靠 AI 的记性”这条纪律本身不变。

🔧 动手做:累积喂回对照实验(15 分钟)

1. 不喂前文版:开一个全新对话,不贴任何设定,直接说“续写这个场景:【你小说里的某个场景一句话描述】”,让它写 300 字。
2. 喂前文版:另开一个全新对话,先粘贴你的人物介绍 + 一段式概要 + 相关大纲段落,再下达同一条续写指令。
3. 对比两份输出:主角的姓名、职业、目标、性格,是否与你的设定一致?场景细节是否与大纲对得上?
4. 把矛盾之处截图存档,标注出至少一处设定矛盾——这是你亲手验证的“AI 记性”证据,也是模块验收材料。

你会看到:版本①大概率张冠李戴或凭空捏造设定(名字可能都不对);版本②基本对齐你的设计。

为什么:这条纪律太容易被侥幸心理击穿(“上次聊过,它应该记得”)。亲手拿到一次翻车证据,比任何说教都更能让“没贴 = 不知道”刻进你的操作习惯。

以下是本小说已确认的全部设定,请严格遵守,不得与之矛盾:【粘贴一句话概括】【粘贴一段式概要】【粘贴人物介绍】【粘贴相关大纲段落】。现在请执行雪花法第【N】步:【本步骤的具体要求】。完成后停下询问我是否满意。

本模块验收清单

本模块结束时,你应该交付一份《我的小说提示词工具包》,可直接投入 N5 使用。逐项验收:

• 六大块主提示词(4.1):Role / Goals / Skills / Workflows / Constraints / Initialization 六块齐全;Workflows 内含雪花法步骤;Skills 已改为你自己的题材(不是模板原样)。
• 五要素检查通过(4.1):字数、题材、视角、人物细节、风格要求,五项在提示词中均能指认出对应文字。
• 分步确认话术(4.2):Constraints 含“每步结束询问、满意才继续”条款;你已实际跑通至少两步,且 AI 没有抢跑。
• 护栏条款清单(4.3):至少 3 条,每条针对一个具体可判断的行为;附一次“加护栏前 vs 后”的对比记录。
• 累积喂回证据(4.4):一组“不喂前文 vs 喂前文”的对比截图,标注出至少一处设定矛盾。

合格标准:拿着这份工具包,任何人(包括一个月后忘光了细节的你)都能复现“AI 在人的掌控下逐步产出小说内容”的完整流程。达不到这条,就还不是工具包,只是几段提示词。

本模块诚实条款汇总:六大块框架与五要素均为单一来源的实操经验,把两者组合成“骨架 + 检查表”是本课程的组织方式,均是“可用的起点”而非“公认标准”;分步确认至少十轮交互,慢是它的定价;那份 DeepSeek 实测是单例零失败路径,你的实际体验会更颠簸——这是正常的;“没贴 = 不知道”是操作纪律,不是对 AI 内部机制的事实断言。