本文探讨了为什么更长的上下文（Context）并不总能带来更好的 AI 模型响应，反而可能以四种令人惊讶的方式导致代理和应用程序失败：上下文中毒（Context Poisoning）、上下文干扰（Context Distraction）、上下文混淆（Context Confusion）和上下文冲突（Context Clash）。当模型在上下文中遇到错误信息、因过长的历史记录而分心、被无关信息误导或处理相互矛盾的数据时，其性能就会下降。因此，仅仅扩大上下文窗口并不能解决所有问题，反而会为复杂的代理工作流程带来新的挑战。