UNSEEN · 认知报告 · 深度理解 · 广场

在连续使用模型进行长篇创作时，上下文不仅保存「我们知道什么」的信息，还保存工作历史（判断历史、操作历史、表达历史与搜索惯性），后者会使模型倾向于沿用之前的搜索路径；因此真正的风险不只是「上下文污染」，而是「搜索路径依赖」，对应的解法不是简单清空上下文，而是在保留必要知识的前提下重新初始化搜索路径、保持重新选择路径的能力。

2026-09-16 14:21 · 原文发布于 2026年9月8日 12:48

01这篇内容真正讨论什么

作者持续使用模型进行长篇内容创作，观察到模型会形成可复用的表达模式（AI Smell）；在一次让模型重写章节后，又让它对抗性审查同章节及后续多个不同章节，发现它反复给出「需要进一步重写」类建议。作者此前研究 AI 认知搜索理论，且过去讨论 Context Engineering 与「独立审稿人」时主要停留在信息供给与角色隔离层面。作者明确说明目前还不认为这些观察已足以形成完整理论。

02作者的思考模型

观察

原文引用 · 12

模型擅长寻找一种有效表达方式并持续复用，一个章节采用某种结构后后面章节容易沿用，甚至无需明确指示也会形成模式。
「模型非常擅长寻找一种有效的表达方式，然后持续复用」
审查模型生成的长文已不只是检查内容正确，还要观察它是否在重复某种表达路径；表达路径依赖会暴露在文字表面，相对容易发现。
「实际上已经不只是检查内容是否正确，还要不断观察它是不是正在重复某种表达路径」
作者让模型重写某章节，随后让其对抗性审查，模型给出「这一部分还需要进一步重写」之类建议；再让其审查其他完全不同章节时，仍反复建议重新组织、重新修改。
「再换一个章节，还是建议重新组织、重新修改。继续往后，情况仍然没有明显变化」
作者由此提出疑问：这些章节是否真的都需要重写；并推测「重写」可能已成为当前上下文中一个非常近的行为，从而成为最易被继续采用的解决方式。
「这时候我开始产生一个疑问：这些章节真的都需要重写吗？」
作者认为上下文既包含「我们知道什么」，也可能包含「我们刚才是怎么做的」；后者容易被忽略，因为看起来只是历史，但历史可能影响下一步搜索。
一类告诉模型『我们知道什么』，另一类则在某种程度上告诉模型『我们刚才是怎么做的』
作者认为把该现象简单称为「上下文污染」并不完全准确：污染通常指无关信息干扰当前任务，而他观察到的情况是前面信息全部相关却仍可能影响后面判断，真正变化的是搜索路径。
「前面的信息全部相关，却依然可能对后面的判断产生影响」
作者区分三层路径依赖：表达层（AI Smell，可从最终文本直接观察）、认知层（重复怎么理解问题）、行动层（重复某种解决动作）。
「再往里一层，是认知路径依赖」「更进一步，则是行动路径依赖」
作者指出行动层尤其值得注意：模型可能不是重新判断「这个问题应该怎么解决」，而是在当前上下文状态下寻找「接下来通常应该做什么」。
「前者是在重新判断问题；后者则可能是在延续工作流」
作者重新理解「独立审稿人」：以前多从角色隔离角度理解，现在看来更深的层面是隔离搜索轨迹；独立审查上下文让模型重新面对原始材料，提供重新选择路径的机会，但作者明确这并不意味着新判断一定更正确。
「我们需要隔离的不只是角色，还包括搜索轨迹」「这并不意味着新的判断一定更正确」
作者连接 AI 认知搜索理论：一次搜索会形成状态与轨迹，这些状态与轨迹可能进入下一次搜索；过去更关注积累的正面价值（经验减少重复工作、提高连续任务效率），但经验也可能有另一面。
「它会形成状态，会留下轨迹，而这些状态和轨迹又可能进入下一次搜索」
作者对「清空上下文」给出不同看法：简单清空可降低惯性但会丢掉有价值的信息；值得研究的不是 Reset Context，而是在保留必要知识的同时重新初始化搜索路径。
让模型记住『我们在解决什么问题』，但不一定要求它继续沿着『刚才是怎么解决的』这条路走下去
作者明确当前观察尚不足以形成完整理论，但认为至少指向一个值得进一步研究的方向。
「我目前还不认为这些观察已经足以形成一个完整的理论」

推理

原文引用 · 8

从表达复用这一表面现象出发，将 AI Smell 定义为路径依赖在表达层面的表现，并指出表达路径依赖之所以相对温和，是因为它最终暴露在文字表面。
「AI Smell 更多是路径依赖在表达层面的表现」
由重写后审查仍建议重写、换章节仍建议重写的现象，区分两种来源：一种来自当前章节本身确实存在的问题；另一种来自此前「发现问题—重写—审查」的搜索轨迹，使「重写」成为高度可用的解决路径。
「一种来自当前章节本身」「另一种则来自此前的搜索轨迹」
指出两种来源产生完全相同的输出，但原因不同，因此无法仅凭输出判断建议的来源，这正是问题的麻烦之处。
「最终输出可能完全一样，但产生这个结论的原因却完全不同」
将上下文保存工作历史（分析框架、修改内容、表达方式、刚用过的动作）这一观察，推广为对 Context Engineering 的重新定义：不能只讨论给模型什么信息，还需讨论让模型继承什么历史。
未来的 Context Engineering 可能不能只讨论『给模型什么信息』，还需要讨论『让模型继承什么历史』
以搜索理论为框架推导：搜索越连续、历史越丰富，模型越容易继承过去形成的路径；继承不断强化时，搜索演化未必更好，而可能是越来越稳定地沿原方向前进。
「搜索越连续，历史越丰富，模型就越容易继承过去形成的路径」
由此把关注点从「稳定」转向「重新选择路径的能力」，认为稳定本身不是问题，失去重新选择的能力才是问题。
「真正的问题是：它还有没有重新选择路径的能力？」
在解决方案上，指出简单清空上下文是次优解：它降低惯性的同时丢失有价值信息；更值得研究的是区分「保留必要知识」与「重新初始化搜索路径」。
「真正值得研究的可能不是简单地 Reset Context，而是能不能在保留必要知识的同时，重新初始化搜索路径」
由上述推导提出成熟 AI 工作流的判断标准：不是越来越长的记忆与越来越丰富的上下文，而是知道哪些经验该继承、什么时候不该继续继承，什么时候保持连续、什么时候重新开始搜索。
「知道哪些经验应该继承，也知道什么时候不应该继续继承」

结论

原文引用 · 5

AI Smell 可能只是最容易被观察到的表层现象；更深层存在认知路径依赖与行动路径依赖。
「文字模板化只是因为搜索路径依赖最终留下了明显的语言痕迹」
真正需要控制的，不只是模型生成了什么，还包括它在连续工作过程中沿着什么路径不断生成这些东西。
「还包括它在连续工作过程中沿着什么路径不断生成这些东西」
独立审查的价值不只是角色隔离，还包括搜索轨迹隔离，为模型提供重新选择路径的机会。
「一个相对独立的审查上下文，可以让模型重新面对原始材料，在更少历史惯性的情况下做一次判断」
Context Engineering 需从「管理信息」扩展到「管理历史」，区分哪些历史应保留、哪些应隔离。
「有些历史应该保留，因为它能够帮助模型保持连续性；有些历史则可能应该被隔离」
问题不在于让 AI 永远记住走过的路，而在于让它必要时有能力重新选择一条路。
「而是让它在必要的时候，有能力重新选择一条路」

隐含前提

在让模型对这个章节做一次对抗性审查的指令设定下，建议重写的反复出现并非由审查指令本身（即被要求挑毛病）所致的系统性偏向，因此它可以被归因于上下文中的搜索轨迹。置信 · 高
支撑：它又提出了类似的建议。再换一个章节，还是建议重新组织、重新修改。
上下文中的工作历史（分析框架、修改过的内容、用过的表达方式、刚做过的动作）会作为有效状态真实参与并改变模型接下来的搜索与判断，而不只是被记录在一旁的文本。置信 · 高
支撑：它会形成状态，会留下轨迹，而这些状态和轨迹又可能进入下一次搜索
模型的建议在其输出层面不携带生成来源的信息，因此输出相同的建议无法被反推为来自当前对象或来自既有路径。置信 · 高
支撑：但产生这个结论的原因却完全不同
上下文中的「必要知识」与「路径历史」在机制上可以被区分并分别处理——保留前者、重新初始化后者，而不是只能整体保留或整体清空。置信 · 高
支撑：能不能在保留必要知识的同时，重新初始化搜索路径
路径依赖与历史惯性主要由上下文携带（而非模型自身固有能力或训练所致的固有倾向），因此换一个上下文就真的能得到较少历史惯性的判断。置信 · 高
支撑：可以让模型重新面对原始材料，在更少历史惯性的情况下做一次判断
存在一种可被主动保留或恢复的「重新选择路径的能力」，它与保持连续、稳定构成可权衡的一对，并且这种能力独立于判断是否正确而自有价值。置信 · 中
支撑：真正的问题是：它还有没有重新选择路径的能力？
剥离「刚才是怎么做的」这类历史之后，模型仍保有足够完成有效审查的判断力——即审查质量对这类历史没有强依赖。置信 · 中
支撑：这并不意味着新的判断一定更正确。它只是提供了一个非常重要的东西：重新选择路径的机会。

03反向视角

最核心的因果归因可能不成立：审查指令本身是「对抗性审查」，被要求挑毛病的审查者倾向于给出修改建议，这与有无历史轨迹无关。原文用「再换一个章节，还是建议重新组织、重新修改」来支持轨迹解释，但缺少关键对照——用全新上下文审查同一批章节，看建议是否同样密集。若指令效应占主导，则「路径依赖」这一解释尚未被证实，而整篇推演的起点就落了空。
惯性可能部分由模型权重（训练与对齐形成的固有倾向）而非上下文携带。原文与前置判断都假定它主要由上下文携带，从而得出换一个上下文就能得到较少历史惯性的判断。若该假定不成立，隔离上下文的效果会明显低于预期，而「独立审查」的收益会被高估。
输出不携带来源信息可能被说得过强。建议文本或许仍留有可被统计识别的痕迹（措辞、是否回指前文、建议的具体颗粒度）。若这类痕迹存在，问题就没有作者描述的那么不可判定，也意味着不必投入成本去重建过程记录即可部分恢复可判读性。

替代性解释

这未必是模型的「习惯」，也可能是它在给定上下文下的合理推理：近期一次重写刚被证明有效，于是在新问题出现时把重写当作高概率有效动作——这是对上下文分布的正确响应，而不是缺陷。若如此，问题不在模型，而在被喂进去的上下文把「重写」的可得性异常抬高了。
另一种同样成立的解释是指令理解的产物：模型把「对抗性审查」理解为自己需要交出实质性的修改要求，于是无论面对哪一章都倾向于输出重写建议。这一解释与路径依赖会产生相同的观察，却指向完全不同的修法（改写指令 vs 隔离轨迹）。

04核心洞察

分级 L0–L3 表示洞察深度递增；置信为结论的可靠程度

路径依赖把验证的对象从「产物」强行挪到了「来源」：当判断的来源不体现在文本上时，对文本的检查在原理上无法完成验证，必须升级为对轨迹（过程记录）的审计。这是一种原文没有点明的新验证义务。L2 · 发现隐藏变量置信 · 中
为什么：原文既给出「最终输出可能完全一样，但产生这个结论的原因却完全不同」，又直接把问题表述成「如何判断模型当前给出的建议，到底来自当前对象，还是来自之前已经形成的路径？」。两者合起来意味着：模型建议的「是否有依据」这一属性不存在于输出之中，只存在于产生输出的历史之中。而作者用「独立审查」处理的是隔离轨迹以获得新鲜判断，从未把它表述为保留轨迹以供核对来源——两者方向相反，前者要求切断历史，后者要求留存历史。
意义：若这个推论成立，那么让 AI 更强地写、更快地改，只会扩大产物可信、来源不可知的缺口；真正需要同步建设的是一项过去不被计入的能力：把过程作为一等公民留下来。这使验证成本的不可压缩部分发生位移——从「读结果」移向「读过程」，而后者目前的工作流里通常根本没有记录。
这类失败的真实代价不是某几条建议错了，而是整条建议通道的可判读性被摧毁：一旦有依据与无依据的判断在可用性上不可区分，连正确的建议也会一起失去执行力。损害作用在通道上，而非单条输出上。L2 · 发现隐藏变量置信 · 中
为什么：原文的核心麻烦不是「模型建议重写」，而是同一句「这一部分还需要进一步重写」可能来自当前章节的真实问题，也可能来自此前的搜索轨迹。原文只把差异落在「原因不同」上，未推演其后果。但后果是可推演的：当使用者无法分辨两种来源时，他面对任何一条建议都无法决定是否执行——包括那些确实正确的建议。此时错误没有被隔离在错误的那几条里，而是通过「无法判定」扩散到了全部。
意义：对任何 AI 审查/自评/复核流程，评价指标就不该只有「建议正确率」，还应包括「建议可判读率」。一条正确但无法被判定为正确的建议，与一条错误建议在使用价值上是等价的；只优化正确率而不保护可判读性，可能产出越来越高正确率、却越来越无法执行的建议流。
保留必要知识、重新初始化搜索路径这一解法依赖一个原文未验证的隐含前提：知识可以脱离其获得路径被单独保留。但作者自己指出的认知路径依赖恰恰说明，理解问题的框架既是知识也是路径，二者未必可切分，因此该方案的可行性不是给定的，而是待验证的。L2 · 发现隐藏变量置信 · 中
为什么：作者的处方是「在保留必要知识的同时，重新初始化搜索路径」。然而他同时提出存在「认知路径依赖」——重复怎么理解问题。一个「怎么理解问题」的框架，在功能上就是完成任务所需的知识（模型靠它压缩问题），在使用上又是路径（模型靠它减少搜索）。这意味着哪些属于该保留的知识、哪些属于该隔离的路径这条分割线本身并不由对象给出，而要靠判断划定。原文把两者当作可分别处理的两种东西（有些历史该保留、有些该隔离），但没有说明这条线凭什么能被划出来。
意义：如果知识与路径确实纠缠，那么「重新初始化路径」就不是一个可以通过设置开关完成的操作，而是一项持续的、每次都需求解的判断任务——它会成为该工作流里新的、不可自动化的成本中心。这也反过来解释了为什么「简单清空上下文」总是诱人：它是唯一不需要做这条分割线的方案，代价是把知识一起扔掉。
重置本身也是一个会被继承的动作：任何「重新初始化路径」或「独立审查」都是在一个新上下文中执行的一次搜索，因而同样会形成状态与轨迹并进入下一次搜索。不存在零历史的立场，只有独立性程度之分，所以重新选择路径是渐近过程而非回到零点。L2 · 发现隐藏变量置信 · 中
为什么：原文给出了这一机理：一次搜索「它会形成状态，会留下轨迹，而这些状态和轨迹又可能进入下一次搜索」。作者在讲独立审查时也只用了一个有限度的说法——让模型「在更少历史惯性的情况下做一次判断」，是「更少」而不是「没有」；但全文对重置的定位仍是提供「重新选择路径的机会」，没有把这个动作也放回它自己的定律里。若把同一机理施加于「重置/独立审查」这个动作本身，结论就变强了：它无法给出一个外部的、干净的起点。
意义：实践含义不同于原文的处方：不应把隔离当作二元开关（同上下文 / 新上下文），而应把它看作一条可调档的谱系（同会话、新会话、新模型、新的人），按任务风险选档；同时要接受一个反直觉的事实——反复重置也可能沉淀为一种「一遇困难就重开」的新惯性。评估隔离效果时，测的应是独立性提高了多少，而不是是否「清干净了」。