上下文语言模型

假设一家三口让 AI 安排东京三日游：爸爸、妈妈和女儿，全程总预算 3,000 美元，女儿走太远容易累。后来，他们说：“改成五天吧。”

五天是新要求，但预算没有增加，孩子也没有突然变得更能走。AI 继续规划时，需要同时看见这些条件。

上下文，就是这次回答收到的资料

模型生成回答时，会读取这次调用提供的指令、对话和工具结果。把它想成桌上的工作资料：旧方案可以很多，但当前要做什么，必须清楚。

Rulin Shao 等研究者在 2026 年 9 月提出了 Context Language Models（CLM）：让模型直接编辑自己的工作上下文，把需要带入后续工作的内容整理出来。

用这个假设旅行来理解，一份工作记录可以这样更新：

记录还应加上下一步：重新计算多住两晚后的住宿和交通费用。 改了天数，不代表五日游已经符合预算。

关键在于，这份记录必须真的进入下一次调用。官方实现会把可编辑的上下文写成文件，模型修改后，运行系统再读回这些修改；系统指令和原始任务另外保留。官方运行说明描述了这个过程。

任务中途变更时，可以先让 AI 核对：

请先列出这次改了什么、哪些条件仍然有效，以及因此还需要做什么。确认后，再按更新后的条件继续。

这能帮助你检查任务状态，但一句提示词不会自动开启 CLM。模型仍可能漏掉条件；旅行例子也只是解释机制，没有证明效果提升。

检查 AI 有没有跟上变化，可以先看一件事：它接下来依据的资料，是否仍然准确描述你现在要做的事。