你的上下文被污染了？
这是一次还没有结论的观察。我只记录遇到了什么，以及到现在仍分不清的部分。
分工清楚时不错，换了之后越改越不对
一开始，GPT Chat 负责讨论、判断和 Review，Claude 负责实现，整体产出不错。
Claude 额度用完后，我改让 Codex 一边实现、一边 Review、一边继续改善。慢慢地，我觉得质量在下降：不是完全做错，而是局部改了很多处，真正不对的地方没有解决。
改了很多处，不等于改到了问题。
新开 Chat 有改善，但我同时换了两件事
新开一个 Codex chat 后，确实有一定改善。我开始怀疑，前面的上下文是不是在影响后面的判断。
后来新 chat 的 Review 仍不理想。我把页面交回 GPT Chat，它更快指出了我真正在意的问题。这时我才意识到，自己同时换了两个条件：上下文，和 reviewer。
我以为在试“上下文”，其实一次改了两个条件。
原因，我现在仍分不清
可能是上下文太长，或旧内容已经不相关；可能是旧方案在牵引后面的判断；可能是实现者自己 Review；也可能是模型差异，或几者叠加。
一些研究给了旁证：长上下文里，信息的位置会影响模型怎么用它1；已经出现的内容，即使无关，也可能牵引后面的输出2；但让模型对自己的结果反馈再修改，也并不天然无效3。所以我不下“实现者不能自己 Review”的结论，也不把这几次的表现当作工具的长期能力。
1. Liu 等，Lost in the Middle: How Language Models Use Long Contexts（2023）
2. Niu 等，Llama See, Llama Do: A Mechanistic Perspective on Contextual Entrainment and Distraction in LLMs（ACL 2025）
3. Madaan 等，Self-Refine: Iterative Refinement with Self-Feedback（2023）
比技巧更值得记住的，是失效的信号
连续几轮都在改，核心问题没变；Agent 一直围绕原方案局部优化；它越来越擅长解释当前方案，却没有重新质疑方向；我自己也开始觉得：怎么越改越不对。
出现这些信号时，我会试试 fresh chat、独立 reviewer、重新写下最后一次真正认可的目标，或暂停 polish，重新问“现在最大的问题是什么”。未必每次有效。
比找到一个永远正确的 Agent 工作流更重要的，可能是更早发现：当前这个工作流，什么时候开始失效了。