夜雨聆风
你以为AI读懂了你的话，但它可能只读懂了一半
你给AI下了一条带条件的指令，它回答得头头是道，你满意地点了点头。但如果你仔细看，会发现那个「如果」「除非」「当……时才」——它根本没理会。这不是偶发的bug，而是大模型结构性的认知盲区。
先做一个小实验。打开任意一个大模型，输入这句话：「帮我写一封邮件，但如果对方是第一次联系我，语气要更正式一些，否则可以随意一点。」然后看看它的回答。大概率，你会得到一封邮件——但它会直接选一种语气写，而不是给你一个根据条件分叉的方案。那个「但如果」，消失了。
它不是没看到，而是「读过去了」
理解这个问题，要先搞清楚大模型是怎么「读」一段话的。它不像人类那样先通读全文、理解结构、再开始思考。它是逐词预测的——每生成一个词，都是在基于前面所有内容做概率计算。这个机制非常强大，但有一个隐藏的代价：注意力是会衰减的。
在一段复杂指令里，主干任务（「帮我写邮件」）往往出现得最早、权重最高。而条件从句通常是附加在后面的，结构上也更复杂——「如果A，则B，否则C」这种逻辑需要模型同时维护多个变量之间的关系。对于一个本质上在做「下一个词是什么」的系统来说，这种跨越多个子句的逻辑追踪，本来就是一项高耗能操作。
3
条件从句比主干任务晚出现的平均词数，通常超过这个数字乘以10——距离越远，被遗漏的概率越高
条件的「语法地位」比你想象的低
还有一个更底层的原因，很少有人提到：在训练数据里，条件从句大多数时候是「修饰性的」，而不是「决定性的」。人类写作中，「如果可以的话」「在某些情况下」这类表达往往只是礼貌性的软化，并不真的改变核心意图。模型见过太多这样的用法，就学会了一种默认处理方式：把条件从句当成背景噪音，提取主干，然后执行。
「
语言模型学会的，是人类语言的统计规律——而人类说话时，条件往往是虚的
」
这就造成了一个有趣的错位：你在认真写一个严格的逻辑条件，但模型接收到的信号是「这大概是一个修饰语，不用太认真」。它不是在偷懒，它只是在做它被训练成的事——识别最可能的意图，然后执行。问题在于，它识别的「最可能意图」，跳过了你最在意的那一层。
复杂指令的「结构坍塌」现象
研究者给这个现象起了个名字，叫「指令遗忘」（instruction forgetting）。但我觉得更准确的描述是「结构坍塌」——模型把一个有层次的逻辑结构，压缩成了一个扁平的执行动作。条件分支消失了，只剩下主干。
1嵌套条件（如果A，且B，则C）：外层条件经常被保留，内层条件大概率丢失
2反事实条件（如果不是X，才做Y）：「不是」这个否定词容易被忽略，直接执行Y
3延迟条件（先做A，等到B发生再做C）：时序逻辑经常被压缩，变成同时执行A和C
4多选条件（根据情况选择A或B）：模型倾向于选一个执行，而不是呈现分叉方案
这四种情况有一个共同点：条件的复杂度和被遗漏的概率正相关。条件越复杂，模型越倾向于简化处理。而你越需要精确控制，就越可能写出复杂条件——这是一个让人沮丧的反向关系。
怎么和这个缺陷共处
知道了原因，应对方式其实不难想到。与其试图让模型「更聪明地理解复杂条件」，不如反过来，把复杂条件拆解成模型擅长处理的形式。
最有效的方法是把条件前置，并且用更强的标记词突出它。不要说「帮我写邮件，但如果……」，而是说「注意，以下是必须遵守的条件：[条件]。在满足上述条件的前提下，帮我写邮件。」把条件从「附加说明」变成「前置约束」，模型处理它的方式会完全不同。
另一个方法是拆分对话。与其在一条指令里塞进所有条件，不如先让模型确认它理解了条件（「请复述一下我刚才说的条件」），再让它执行任务。这个步骤看起来多余，实际上是在强迫模型把条件从「背景噪音」升级为「工作记忆」。
「
和AI沟通的技巧，本质上是在用语言结构补偿它的认知结构
」
当然，这些都是绕路的方法。真正的解决方向，在于模型架构层面对「逻辑追踪」能力的增强——这也是为什么推理模型（reasoning model）会被单独开发出来。它们通过让模型在回答前先「想一想」，本质上是在给条件逻辑分配更多的处理资源。但即便是推理模型，面对足够复杂的嵌套条件，依然会出现遗漏。
✦ 小结
大模型遗漏条件，不是粗心，是结构性的。它被训练成提取主干、执行意图——而条件从句，在人类语言的统计规律里，本来就经常是虚的。你越需要精确，越要主动帮它把条件变得「不可忽略」。这不是迁就AI的缺陷，而是理解它的认知方式，然后用它能处理的语言跟它说话。
