「那它呢」到底指谁

学习助手的会话平均 14 轮，用户经常中途切走：「刚才那道题先放着，帮我看看这段英文」，过几轮又问「那它呢」。上下文窗口明明放得下全部历史，线上还是有两类投诉：22% 的回指被绑到了新主题，首轮设的硬约束「用初中水平讲、不要出现公式」在长会话后段遗忘率 31%。

窗口够大，效果反而更差，这是很多人没转过来的弯。上下文管理不是容量问题，是优先级问题：塞进去的东西越多，真正重要的那条越容易被淹没。

本系列第 4/10 篇 · 上一篇：检索对了 78%，答案引用还是错 · 下一篇：任务完成率 68%，可 40% 的初稿被推翻重写

三类信息，三种生命周期

我按两个判定标准切：是否由用户显式声明、是否跨主题仍然成立。两个都满足的，全程保留；只满足后一个的，跨主题继承但要可查看；两个都不满足的，按主题隔离或直接丢弃。

类别	内容	处理
全程保留	硬约束（讲解水平、不要公式）、用户身份与偏好、已完成的不可逆动作	独立槽位，每轮都注入，不被摘要覆盖
按主题隔离	主题实体、指代链、中间产物、未完成的推理	每个主题一份栈，切换时压栈不删除
可丢弃	寒暄、重复确认、已消费的工具原始输出	用完即弃，或压成一句结论

这里最关键的工程含义是：硬约束不能交给「对话摘要」。摘要本身就是一次有损生成，长会话里被摘掉的第一批内容，往往就是第 1 轮那句看似不重要的「不要出现公式」。它必须是结构化字段，绕开摘要，原样注入。候选人如果只答「做上下文压缩/摘要」，通常会漏掉这一点——压缩解决的是放得下，解决不了「哪条不能丢」。

主题栈则是「那它呢」的正解：切到英文时，数学题的指代链压栈，当前栈顶是英文段落；用户说回「刚才那道题」，栈顶切回去，指代链随之恢复。默认按最近的活跃主题解析，而不是按全文里最常出现的名词——后者正是 22% 错误绑定的来源。

猜错以后，纠正要便宜到不值得生气

我不打算把指代消歧做成一个「必须先问清楚」的阻塞环节。14 轮的会话里，每遇一次「它」就弹一次澄清，用户会疯。

产品上的处理是把猜测做成可点选的 chip：答案开头带一句极短的绑定说明，「按上一段英文里的 it 来讲」，其中「上一段英文」是可点的，旁边给另一个候选「刚才那道题」。猜错了，点一下就换，且不重跑当前这步推理——只替换指代对象，已生成的解释按新对象重述，用户不用重新描述需求。

只有两个候选置信度接近、且选错代价高（比如涉及已提交的动作）时，才给轻量澄清「你是指 X 还是 Y」。澄清率本身要当指标看：它超过某个比例，说明不是模型不行，是交互在替算法背锅。

显式载体：把约束从对话里搬到界面上

会话顶部放一张「本次规则」卡片，列出当前生效的硬约束，每条带来源（第 1 轮设定 / 你刚才修改）、可编辑、可关闭、标明作用范围（本次会话 / 长期）。第 1 轮说完「不要公式」，它就应该出现在那里，而不是只存在于历史消息里。

优先级规则写死：显式 > 隐式，且显式项永远显示最新一次修改。用户把「初中水平」改成「高中水平」时，旧值不留残影；系统从行为里推断出的偏好（比如「他好像喜欢短答案」）只能作为建议，要变成规则必须用户点一下确认。

这张卡片还顺手解决了另一个问题：用户不用回头翻 14 轮去确认「我到底说过什么」。上下文可见，比上下文正确更容易建立信任。

怎么验证，以及看哪个负向指标

A/B 的主要指标按分层看，不看总体：

• 回指解析正确率：基线 22% 错误，按「主题切换后第 1 轮 / 第 2–3 轮 / 未切换」分组统计。
• 硬约束遵守率：拆成第 1–5 轮与第 10 轮以后两段，基线后段遗忘 31%。总体平均会把这个退化盖住。
• chip 切换率与撤销率：用户主动改绑定的比例，它同时也是「解析正确率」的一个行为代理。

样本量按基线算：要检出 22% → 12% 这类 10pt 的改善，在常规显著性要求下每组需要几百条含回指的会话；日均会话量不够时，就别硬做 A/B，改用离线回放集（从真实日志冻结 200 条含切主题的会话）先验证规则，再上小流量看行为指标。

必须一起看的负向指标是平均轮次和澄清频次。澄清弹得多了，正确率会涨，但用户多花两轮才拿到答案，净体验可能是负的。我见过一个版本把指代正确率提了 15 个点，平均轮次从 11 涨到 16，最后回滚了。

追问：怎么向用户解释「它会遗忘」

先把话说对：不是「窗口不够」，也不是「模型记性差」，而是有些信息按设计不该跨主题生效。用户其实能接受这个，接受不了的是毫无征兆地变了。

所以我不解释技术，我给控制权：主题切换时明确提示「已把上一题暂存，随时可以切回」；「本次规则」卡片让硬约束始终可见可改；被丢弃的中间结论在需要时可一键展开。遗忘从一个隐蔽的失败，变成一个可见的、用户能撤销的产品行为。

再补一句诚实的边界：跨会话的长期记忆默认关闭，需要用户主动开启并可见内容。C 端产品里，「它居然记得我上个月说过什么」造成的惊吓，比遗忘更难挽回。

我会怎么看答案

及格：说要做摘要、要保留用户偏好。良好：能分主题、能写清硬约束不进摘要、能设计回指纠正。优秀：给出可判定的分类标准、把显式载体做成可编辑的功能、验证时按会话轮次分层并主动报出负向指标。

最典型的失分是把所有希望寄托在更长的上下文窗口上。窗口是资源，优先级是产品决策；资源涨价不会自动替你做决策。

好的上下文管理，不是记得更多，是让用户永远知道哪几条一定不会被忘。

能把规则说清、把指标分层的人，下一题才敢把「完成率 68%」这个漂亮数字拆开看。