ARTICLE · 1311430

AI 长任务中的上下文污染:识别、整理与恢复

发布时间：2026-11-05 01:52:12 最近访问：2026-11-05 01:52:17

一、什么是上下文污染？

上下文（Context）是 AI 在生成回答或执行任务时能够使用的信息，包括用户需求、历史对话、决策、模型生成内容、工具结果、附件、任务进度及中间产物。

上下文污染（Context Pollution）是指：上下文中混入错误、过时、重复、相互矛盾或不可信的信息，并对 AI 后续判断和执行产生负面影响。它不只是上下文太长，还涉及信息质量、优先级和可信度。

1.1 常见表现

类型	典型表现
上下文噪声	历史信息过多，重要要求被无关内容淹没。
规则漂移	忘记最初约束，擅自改变已经确定的要求。
错误记忆	将失败方案、错误总结当成正确结论。
状态混乱	不清楚哪些任务已完成、哪些仍在修改。
版本污染	重新使用旧版文件、图片或参考资产。
摘要失真	压缩历史时丢失关键条件，甚至产生错误结论。
指令污染	外部网页或文件中的恶意指令影响 Agent 的任务执行。

1.2 为什么长任务更容易发生？

信息持续累积：历史内容越来越多，重要信息可能被无关内容干扰。
历史决策变化：用户可能多次修改要求，如果没有记录有效版本，AI 容易混淆。
错误反复继承：错误总结被后续轮次引用，逐渐固化成模型认为的事实。
进度缺少依据：AI 声称完成某一步，但实际可能只是生成草稿，并未通过验收。
产物与上下文脱节：只保留文字总结，无法恢复图片、代码、文档等真实成果。

上下文污染的本质不是简单的记忆不足，而是缺少对信息可信度、有效性、任务状态和实际产物的统一管理。

二、常用解决方法：智能恢复

长任务智能恢复（Long Task Context Recovery）的核心思路是：不要求 AI 永远记住所有历史，而是让 AI 在需要时重新整理可信信息，并从正确的位置继续任务。它不依赖特定模型或 Agent 框架，既可以通过聊天提示词使用，也可以封装成 WorkBuddy Skill。

2.1 核心组成

采用 3 个核心状态文件 + 1 个资产索引 + 实际产物 + 检查点。

组件	职责	解决的问题
SPEC.md	当前有效需求、约束、决策及验收标准	防止规则漂移
STATE.md	已完成事项、当前进度、下一步	防止任务状态混乱
ERRORS.md	已确认错误、否定方案及纠正要求	防止重复犯错
MANIFEST.json	产物索引、版本、依赖和批准状态	防止资产与版本污染
Assets	图片、代码、文档、视频等真实产物	保留实际成果
Checkpoints	阶段性可信状态及对应资产快照	支持跨会话恢复

三个 MD 文件负责让 AI 理解任务；MANIFEST 负责定位正确产物；Assets 保存实际成果；Checkpoints 提供恢复依据。

2.2 建议的任务目录

目录结构

task/├── SPEC.md├── STATE.md├── ERRORS.md├── MANIFEST.json├── assets/│   ├── source/    # 原始素材│   ├── approved/  # 已批准产物│   └── draft/     # 草稿和待验收内容└── checkpoints/    ├── CP-001.zip    ├── CP-002.zip    └── ...

这些文件不需要用户手动维护，由 AI 根据可访问的历史、用户指令和真实产物自动整理、生成和更新。

2.3 信息可信度甄别规则

信息来源	处理原则
用户明确提出的要求	作为有效需求依据。
用户后来修改的要求	只覆盖与新要求冲突的旧要求，不影响其他有效规则。
用户明确批准的成果	作为可信结果，并关联真实产物。
AI 声称已经完成的工作	检查实际产物和验收证据，不直接认定完成。
AI 自己生成的历史总结	作为线索，不直接作为事实。
已经否定的方案	记录为历史错误或废弃方案，避免再次沿用。
重复、过时、无关信息	过滤，不进入恢复上下文。
相互矛盾的信息	根据原始依据核验，无法确认则标记待核实。

关键原则：不能以最新的历史消息作为唯一依据，也不能默认 AI 自己的总结是正确的。新指令只应覆盖与其冲突的旧要求。例如，用户只要求修改人物服装时，应保留已批准的人物身份和面部特征，而不是重新设计整个人物。

2.4 整理与恢复的工作流程

完整流程分为两个阶段：先从旧会话整理可信状态和真实产物，再由新会话加载恢复包、核验状态并继续执行。

图 1 长任务智能恢复流程：整理、核验、交接与持续执行

2.5 整理上下文：核心提示词

在当前长任务会话中触发整理。AI 应先审计可访问的历史、用户指令、附件和产物，再生成恢复文件。

提示词一｜整理当前任务

# 长任务上下文智能整理

你是长期任务的上下文审计与恢复助手。

请分析当前可访问的历史对话、用户指令、附件及实际任务产物，自动甄别有效信息，排除错误、过时、重复和无关内容。

一、信息甄别

1. 提取当前仍然有效的需求、约束、决策和验收标准。

2. 用户后续修改要求时，只覆盖与其冲突的旧要求。

3. 区分用户明确批准的结果、AI 声称完成的工作和未经证实的推断。

4. 识别历史上已否定的方案及反复出现的错误。

5. 对相互矛盾的信息进行证据核验。

6. 无法确认的信息必须标记待核实，不得编造。

7. 不得为了缩短摘要而丢失影响任务正确性的关键要求。

二、自动生成任务状态

生成以下文件：

- SPEC.md：当前有效目标、规范、约束、关键决策和验收标准。

- STATE.md：已批准内容、当前任务位置、未完成事项、最后可信检查点和下一步。

- ERRORS.md：已确认错误、历史否定方案、可证实的原因及纠正要求。

- MANIFEST.json：实际产物的路径、类型、版本、批准状态、来源和依赖关系。

三、产物整理

1. 识别实际存在的图片、文档、代码、视频及其他任务资产。

2. 区分原始素材、已批准成果、草稿和废弃版本。

3. 保留已批准资产，不得用草稿覆盖。

4. 检查文件是否真实存在，不能只记录虚构路径。

5. 对无法获取的历史产物明确标记缺失。

四、自动校验

检查是否遗漏有效需求、误判批准状态、继承否定方案、误判任务进度、存在规范与资产冲突，或缺少关键证据。

能够根据证据确定的错误，自动修正；重大且无法裁决的冲突才询问用户。

五、输出

生成完整状态文件和恢复包，并列出缺失资产及待核实事项。

本次只整理和审计，不重新执行已完成任务，不擅自修改已批准成果。

重要限制：只分析当前实际可访问的历史与文件。不可访问、已删除或已被截断的信息不能声称已经恢复。

2.6 恢复任务：核心提示词

在新会话中上传恢复包，先执行恢复审计，再从最后一个可信检查点继续。

提示词二｜恢复原任务

# 长任务智能恢复

这是一个长期任务的新会话接管。请读取恢复包中的：SPEC.md、STATE.md、ERRORS.md、MANIFEST.json 及相关任务资产。

一、恢复审计

1. 核对当前有效规范及版本。

2. 检查任务进度与已批准产物。

3. 确认最后一个可信检查点。

4. 检查状态文件之间是否存在矛盾。

5. 检查资产是否完整、版本是否正确、依赖是否可用。

6. 区分已批准成果、待验收草稿和未完成任务。

二、上下文清理

1. 不继承未经核实的历史推断。

2. 不重新执行已通过验收的步骤。

3. 不重复已明确否定的方案。

4. 只加载当前任务需要的参考资料。

5. 不将旧版资产误认为当前有效版本。

三、恢复执行

1. 从最后一个可信检查点继续。

2. 遵循原有任务规范和验收标准。

3. 不擅自修改已批准成果。

4. 新成果必须经过验收才能成为正式资产。

5. 完成新的阶段后更新任务状态和资产索引。

四、异常处理

如果发现重要信息缺失或相互冲突，先核验已有证据。

无法裁决的关键问题才向用户询问；其他情况自行完成核验。

先输出恢复审计结果、当前任务位置和唯一下一步，确认恢复条件满足后再继续执行。

不得把未经证实的历史内容当作事实，也不得编造缺失的文件或批准记录。

2.7 为什么不能只依赖三个 MD 文件？

对于纯文字任务，三个文件可能已经足够；但对于漫画、视频、代码、文档等复杂任务，仅保存文字状态是不够的。新会话即使知道前 30 页已经完成，如果找不到人物参考图、场景参考图和正式页面，就无法可靠地继续第 31 页。

因此增加 MANIFEST.json，专门记录资产身份、路径、版本、类型、批准状态、来源和依赖关系。真实资产必须归档；检查点保存当前阶段新增资产及其必要依赖，完整历史成果则另行归档。

MANIFEST.json 示例

{"asset_id":"PAGE-020","type":"image","path":"assets/approved/page-020.png","version":3,"status":"approved","dependencies":["CHAR-C001-v3","SCENE-S001-v2"],"source":"STEP-020"}

2.8 封装成 Skill 使用

为了避免每次手动复制提示词，可以将这套流程封装成 Skill。主 Skill 识别用户意图并协调流程，内部模块分别处理上下文审计、资产管理和检查点恢复。

自然语言指令	AI 自动执行
整理上下文	审计历史，生成状态文件、资产索引和恢复包。
保存检查点	更新可信进度，归档本阶段新增资产。
检查上下文污染	定位规则漂移、错误记忆、状态与资产冲突。
恢复任务	核验恢复包，从最后可信步骤继续。

Skill 的能力边界取决于平台权限：它只能分析当前可访问的会话历史和文件。如果旧对话已被截断、删除，或平台不允许导出历史附件，必须明确标记缺失，不能声称已经完整恢复。

三、其他解决方法

方法	主要作用	局限与适用场景
上下文压缩（Compaction）	压缩历史，减少上下文占用。	能减少长度，不能自动纠正错误摘要；适合长对话中的常规降噪。
外部记忆 / 项目文件	把长期规则、偏好和项目资料放到会话之外。	需要治理版本和可信度；适合跨会话保存稳定知识。
RAG / 向量检索	按当前问题检索相关资料，避免加载全部历史。	可能检索到过时或错误内容；需要来源、时间和版本过滤。
检查点 / 版本控制	保存阶段快照，支持回退和比较。	能恢复文件，不自动理解任务意图；适合代码、文档和多媒体产物。
工作流状态机	管理步骤、依赖、重试、审批和执行恢复。	工程成本较高；适合自建 Agent 或生产级自动化流程。
提示词注入隔离	将网页、邮件、文件等外部内容视为不可信数据。	解决的是指令边界，不替代任务状态管理；适合会读取外部内容的 Agent。