Context Pollution 上下文污染是什麼？聊天室越聊越不準的原因

早上聊品牌策略，中午聊課程設計，下午聊報帳流程，晚上順便問日本行程。到了某一刻，AI 給的建議開始怪怪的。

這不是它累了，是上下文被污染了。這篇講清楚它怎麼發生、怎麼避免。

定義

上下文污染（Context Pollution）是指當太多不相關的主題、角色與任務混在同一個聊天室裡，AI 的上下文就會被「污染」，導致理解錯亂、回答品質下降。

它跟模型能力無關。同一個模型，換一個乾淨的對話重問，往往就恢復正常了。

白話比喻

想像你請了一位全能助理，早上要他當品牌顧問，十點要他當課程設計師，中午變行銷企劃，下午變行政助理，傍晚又要他推薦景點。

他不是不會，而是不知道現在該用哪一個身份、哪一套知識、關注哪一個目標。人會問一句「你是指哪一件事」，AI 則會直接猜，猜錯就是答非所問。

污染後的常見症狀

• 答非所問：抓錯重點，回覆的是你上一個主題的內容。
• 角色混亂：不知道該用什麼專業立場回應。
• 前後矛盾：同一件事給出互相打架的建議。
• 記憶錯亂：忘記先前設定過的目標或限制。
• 效率下降：你得花越來越多輪去澄清與修正。

這些症狀有一個共同特徵：越往後越嚴重，而且不會自己好轉。這也是它跟 漂移 最好的區分方式。

怎麼避免

其中最有效也最被低估的是最後兩項。重開聊天室 不是浪費，是把成本花在對的地方。

實際用例

如果你在同一個對話裡先做完課程設計，接著想討論定價，最好的做法是請 AI 先產出一份 脈絡摘要。

然後開一個新對話，把摘要貼進去當起點。你保住了有用的結論，同時丟掉了一路累積的雜訊。