【AI落地】GPT 又降智了?先别骂官方,给你的项目洗个澡

大家在网上应该经常听到吐槽：GPT 又降智了，Claude 又变笨了。

我的判断很直接。官方模型确实会波动，那部分你管不了。但你遇到的“降智”，至少有一半不是模型的问题——是你那个项目太脏了。

我做过一个对比测试。

同一个需求，丢给刚建三天的干净项目，AI 一把过。

同一个需求，丢给改了两个月、跑了两百多轮的老项目，AI 开始兜圈子、漏需求，甚至把我没让它碰的文件改崩了。

Codex 和 Claude Code 表现一样。问题不在模型。

一、干净项目一把过，老项目死循环

这不是玄学。

老项目每改一轮，都会留下一堆不报错但没用的东西：没人调用的函数、过期的注释、复制粘贴出来的重复写法。

这些垃圾不会让程序崩溃，所以一直留着。但下一次 AI 干活，会先把它们全塞进上下文读一遍。

读进去的是垃圾，吐出来的自然就是灾难。

更要命的是“规矩包袱”。几乎所有 AI 编程工具都依赖一个规则文件（CLAUDE.md、AGENTS.md 这类），用来告诉 AI 这个项目有什么约定。

一项对 1,800 多个开源项目的统计发现，这类规则文件的平均体积膨胀了整整三倍。

加一条规则很容易，删一条怕崩，包袱就这么堆起来了。

研究者管这叫“灾难性记忆”——AI 把过时的约定当成必须遵守的真理，越改越错。

二、为什么会这样：上下文不是越大越好

很多人有个错觉：上下文窗口越大，AI 就越聪明。

于是把整个仓库、所有日志、全部聊天记录都喂进去。

真实情况相反。

一份 2026 年的基准测试，测了 18 个前沿模型，包括 GPT-4.1、Claude 4 系列、Gemini 2.5、Qwen3。

结论很干脆：输入越长，所有模型质量都在掉，有的掉 30% 到 50%，而且在远远没到标称上限时就开始掉。

不是某一个模型的问题，是全部。

另一组实验更细。当上下文里混入无关内容时，Sonnet 的方差直接翻三倍，变成“每跑一次像抛硬币”；Opus 反而更稳。

这说明什么？说明“降智”不是你的错觉。是输入里塞了太多噪声，模型被带偏了。

还有个更反直觉的数据。OpenRouter 统计了 100 多万亿 token 的真实交互，发现平均 prompt 长度在 2024 到 2025 之间涨了近四倍。

驱动它的正是 agent 编程：历史对话、工具输出、文件内容只进不出，越堆越肿。

三、脏的不只是上下文，还有技术债本身

上下文污染是“读错了”。还有一类是“写错了”，而且会留下来。

一份对 46 万多个 AI 引入问题的追踪研究显示：截至统计时，22.7% 的问题仍然残留在主分支上，其中有些是九个月前引入的。

到 2026 年 2 月，活着的 AI 技术债累计超过 10 万条。

更有意思的是这个对比：AI 提交的代码，修掉的“代码异味”和它引入的差不多；但在正确性和安全性问题上，它引入的比修掉的多。

换句话说，AI 很擅长把格式调漂亮，也很擅长把隐蔽的 bug 和漏洞悄悄埋进去。

它还会顺手删掉那段“没人敢动”的旧逻辑——然后新需求就崩了。

一个真实案例：某次 AI 提交的代码调用了 requests.get() 却没设超时。这是已知的安全隐患，因为远程不响应就会无限阻塞。

这个隐患到今天还留在仓库里。

四、怎么破：给项目洗个澡

我的判断是，与其等官方“恢复智力”，不如自己动手做上下文卫生。三条，够用。

第一，定期做大扫除。

单独开一轮，明确告诉 AI：“这轮只做清理，不加任何功能。找出死代码、重复逻辑、过期的注释，先列清单，我确认后再改。”

关键在“先列清单”。让 AI 只输出待删项，你拍板，再执行。

这样既清了垃圾，又不会因为 AI 自作主张把活代码删了。

第二，严格限制它的活动范围。

告诉 AI 只读指定模块，别让它扫整个仓库。单个文件超过 800 行，先让它出拆分方案，不要碰代码。

这一步不只是为了质量，也为了你自己看得懂。

一个 3,000 行的文件被 AI 改完，你根本不知道它动了哪里。

第三，把规则当代码管。

把你的 CLAUDE.md 或 AGENTS.md 丢给 AI，让它找出“代码里已经不存在、但规则里还写着”的旧约定，删掉。

对于每一条留下的规则，强制补一句：“为什么需要它？”

那项统计 1,800 个项目的研究发现，就靠这一句话——每条规则必须写明保留理由——规则文件体积大幅缩水，AI 遵循指令的准确率也明显提升。

成本几乎为零。但你每写一条规则，就逼自己想清楚它到底还该不该在。

五、工具方其实早把答案写在了文档里

这件事，做 AI 编程工具的公司自己早就说过了，只是大多数人没当回事。

Anthropic 的 Claude Code 最佳实践里写得很直白：

不相关的任务之间，用 /clear 把上下文整个清空；长会话里每隔 8 到 10 轮就 /compact 一次；探索代码这种吃上下文的活，交给子代理去做，别污染主会话；CLAUDE.md 每条规则都占 token，所以控制在 200 行以内。

为什么强调 200 行？因为 AI 编程工具每发一条消息，都会把整个对话历史重新塞进上下文。

上下文越肿，你每调用一次 API 都在为那些无关信息付钱——变慢、变贵、还变差。

所以“洗澡”不是一次性的。它是个习惯：开新任务先清场，长会话勤压缩，规则文件当代码审。

结尾

模型一直在变强，这一点我从不怀疑。

下次你觉得 AI 又降智了，别急着骂。先开一个干净的新项目，把同样的需求丢进去试一下。

如果新项目跑得飞快，那就不是官方降智——是你的老项目该洗个澡了。