Claude 用户常遭遇一种令人困扰的“漂移”现象:即使在对话初期设定了明确规则,模型往往在十几个轮次后开始偏离指令,甚至自相矛盾。这种漂移并非仅由上下文窗口耗尽引起,在短会话或早期阶段同样频发。所谓漂移,指模型逐渐遗忘用户指令、关键信息或会话主题,尽管此时远未达到容量上限。

漂移本质:与上下文耗尽无关

漂移的核心在于模型对指令执行的持续性失效。Anthropic 在 MRCR v2 测试中揭示了这一短板:该测试要求在百万 token 对话中识别并重复特定隐藏请求。今年二月发布的 Opus 4.6 得分为 76%,而 Sonnet 4.5 仅为 18.5%。

即便使用更强的 Opus 系列模型,漂移依然存在。微软和 Salesforce 的一项涉及 15 个模型(含 Claude 3.7 Sonnet)、超 20 万次对话的研究指出,当任务分散在多条消息中而非一次性给出时,模型平均表现下降约 39%。无论模型强弱,降幅基本一致。

《迷失在中间》(The Lost in the Middle)论文为此提供了理论解释:模型对位于输入开头或结尾的信息处理最佳,而对中间部分表现最差。这意味着会话中途的提醒和纠正措施,恰恰落在模型关注的盲区。

解决方案一:将规则移出对话流

相比在首条消息中嵌入规则,使用“项目指令”(Project Instructions)更为可靠。类似于 Claude Code 用户的 CLAUDE.md 文件,项目指令应用于该项目下的所有对话,其在会话期间的保持力显著优于临时输入的规则。

若不使用项目功能,也可上传规则文档至单会话,但可能需中途重新提醒。项目指令之所以有效,是因为它们在会话开始时即就位,并在每次回复时被纳入考量,避免了随对话增长被推至“中间”盲区。需注意,若上传文件过大,Claude 可能切换至 RAG(检索增强生成)模式,仅检索片段而非吸收全文。

解决方案二:编辑消息而非发送纠正

当模型回复出错,用户的本能反应往往是发送一条纠正消息。然而,这会将错误回复与投诉一同保留在聊天记录中,导致模型在后续交互中反复读取这些干扰信息。前述研究表明,模型严重依赖早期假设,纠正消息反而固化了这些偏差。

更优策略是使用编辑功能。保存编辑后的回复会创建一个新的对话分支,保留编辑前的历史,但从新版本消息继续,不包含之前的错误回复及其后续内容。尽管近期 UI 更新移除了通过箭头导航访问旧分支的功能,但创建“干净”上下文分支的逻辑依然有效。Anthropic 虽未明确说明旧分支是否完全排除在新分支读取范围外,但基于分支逻辑及实际体验,此举能显著改善漂移。

解决方案三:果断重启会话

若需第二次纠正 Claude,通常意味着当前会话已无挽救余地。此时应要求模型提供一份简短的交接摘要,涵盖主题、进展、既定事项及当前状态,随后将这些内容粘贴至同一项目下的新聊天中。

研究支持这一做法:在新的提示词中一次性提供所有信息,可使模型表现恢复至最佳水平的约 95%。相比之下,在旧对话末尾回顾所有内容仅能提升 15% 至 20%,无法达到单次提示的效果。此外,新会话拥有全新的上下文窗口,避免了长对话触发自动上下文管理机制后带来的额外额度消耗,兼具效果与成本优势。

综上,解决 Claude 漂移的关键不在于编写更复杂的提示词。Claude 具备极强的推断能力,能理解用户意图。面对漂移,简单的结构性操作——如利用项目指令、编辑分支或重启会话——往往比繁琐的提示工程更为高效。