众所周知，GPT 的记忆量是有限的。于是乎，讨论方案聊到几十轮后，常会出现一个怪现象：材料越来越多，GPT 自己反而说不清哪些已经确认、哪条建议值得继续。换句话说，“大脑过载”了。
这时候你大可让 GPT “整理一下刚才的对话”。但排列整齐的混乱，不还是混乱吗？
其实，这些短板都能被约束。只要切断错误路径，分开事实与假设，再把决定权单独拎出来，GPT 仍能成为很好用的落地助手。接下来，我们分别针对 GPT 使用过程中的常见的一些“大脑过载”情况，简单分析原因并给出缓解方法。
| 01 过早让 GPT 收束方案
在发散期和 GPT 探讨了很多种方案后，如果让它直接生成“第一版完整方案”却不加以更多约束。模型往往会尽量照顾上下文里的每一条想法，连临时猜测和已经放弃的分支也可能被写进方案。结果看着完整，主线却不是你的。
现象原因
长对话没有天然的优先级。模型能看到句子，却未必知道哪句话只是试探、哪句话已经推翻、哪项约束必须服从。用户只说“请总结”，等于把筛选标准留空，模型往往选择覆盖更多内容。
处理方法
先暂停让AI继续出方案，把当前对话做一次状态清点。删掉已否决分支，给硬约束标记来源，再由自己用一两句话确认核心问题。等这三步完成，才让 AI 起草。
可复制提示词
请暂停生成方案。先审查上面的对话，只做状态清点：1. 列出已经由我明确确认的目标和硬约束；2. 列出仍处于假设、建议或试探阶段的内容；3. 列出已经被否决或互相冲突的分支；4. 找出生成方案前必须由我补充的 3 个信息。不要补全缺失内容，不要给出完整方案。
| 02 沿着旧上下文越挖越深
第一版方案让人觉得别扭，下一步却没有回到问题本身，而是继续追问‘这里怎么优化’‘再加一个模块会不会更好’。每一轮都在旧结构上修补，方案越改越复杂。到最后，大家忙着解释 AI 的设计，最初要解决的问题反而退到了背景里。
现象原因
连续对话会制造路径依赖。模型倾向于沿用已经出现的概念和框架，人也容易被沉没成本拖住，觉得聊了这么久，至少应该从里面救出点东西。真正需要的动作常常很简单：承认这条路从起点就偏了。
处理方法
设置”止损条件“：如果方案无法用三句话讲清问题、对象和判断标准，就另开上下文。新任务只带入已经核验的事实与约束，旧方案降级为反例，不再当作底稿。
可复制提示词
我们先停止沿用现有方案。请把旧方案当作反例，不继续修补。回到原始任务，分别回答：- 真正要解决的问题是什么？- 成功与失败如何判断？- 哪些条件不能改变？若现有方案与这三项不一致，请指出偏离发生在哪一步。等我确认后，再从空白框架重新开始。
| 03 事实、假设和建议混在一起
AI 的回答常把材料中的事实、对事实的解释、尚未验证的假设和下一步建议放在同一段里。语言又很流畅，读者很容易把‘可能如此’记成‘已经证实’。方案随后继续引用这句话，推理链就从一个未经确认的节点一路长了下去。
现象原因
模型的默认任务是给出连贯回答，并不会自动为每句话标注证据状态。上下文越长，早期推测越容易被后文当作背景条件。科研任务里，这种状态漂移尤其危险，因为一个不明来源的判断会同时影响研究问题、方法和结论。
处理方法
要求 AI 给每项信息加状态标签，并写出依据。事实没有来源就降级为待核实；推断要说明依赖哪些前提；建议必须与目标和约束对应。无法归类的句子先不进入方案。
可复制提示词
请把当前材料逐项分为四类：A. 已确认事实：附来源或由我确认的原话；B. 基于事实的推断：写出推断所依赖的前提；C. 待验证假设：说明需要什么证据才能判断；D. 行动建议：说明它服务于哪个目标、会牺牲什么。同一条内容只能先放入一类。来源不清时不要放入 A。
| 04 真正的决定被长回答淹没
一条回答写了背景、分析、风险、替代方案和执行步骤，读完似乎什么都有，却找不到此刻需要自己拍板的那一件事。有时模型还会顺手采用‘默认方案’或‘先按保守处理’，选择已经被做掉，用户却没有意识到。
现象原因
信息量和决策质量不是一回事。模型擅长扩展可能性，也习惯把回复写得自洽；人连续阅读后会出现认知疲劳，最容易接受那个被写得最完整的选项。决定权于是藏进了措辞和默认值里。
处理方法
每完成一个阶段，都单独索要‘决策清单’。每个决策只保留选项、后果、所需证据和最晚决定时间。AI 可以整理选项，不能替你静默选定。
可复制提示词
不要继续扩展分析。请只列出当前必须由我决定的事项。每项按以下格式：- 决策：- 选项：- 各选项的直接后果：- 目前缺少的证据：- 如果暂不决定，会发生什么：把‘沿用默认值’‘先不处理’‘按保守方案’也视为一个明确选项。不要替我推荐。
| 05 用sanwen 把对话收回来
链接：
https://github.com/sea-gold/skills
这个 Skill 非常简单，解决的问题却很具体：长诊断、调查、复盘或研究讨论结束后，停止复述全过程，把上下文重新分成三类——它证明了什么、还悬着什么、它逼我做什么决定。仓库把三类分别对应到事实、假设和选择，装不进去的内容就不写。
项目要求 Agent 只列选项和后果，选择由用户完成；“按保守处理”、“暂时沿用默认值”、“先不管”也算决定，必须从文字里挖出来。这样一来，AI 的长回答会从信息展示重新变成决策材料。
安装
它适用于 WorkBuddy、Claude Code、Codex、GPT、豆包等支持 Skill 的平台。最直接的办法是克隆仓库，再把 `sanwen` 文件夹复制到对应 Skill 目录。
git clone https://github.com/sea-gold/skills.gitNew-Item -ItemType Directory -Force "$env:USERPROFILE\.codex\skills" | Out-NullCopy-Item -Recurse .\skills\sanwen "$env:USERPROFILE\.codex\skills\sanwen" Copy-Item -Recurse .\skills\sanwen "$env:USERPROFILE\.claude\skills\sanwen"
其他平台若支持自定义 Skill，可保持 `SKILL.md` 原文导入。安装后新建会话或重启宿主，让技能列表刷新。
调用说明
SKILL.md 的触发词包括“三问”与“按三问输出”。最短调用已经够用：
请使用 sanwen，按三问输出：1. 它证明了什么？2. 还悬着什么？3. 它逼我做什么决定？
一次复杂讨论结束、方案开始分叉、准备让 AI 生成正式文档之前，都可以跑一遍三问。
| 07 尾声
传统软件的按钮和流程早已写好，大模型却会跟着上下文不断长出新路线。它的可塑性很强，也因此需要人设置检查点。
让 AI 负责展开、搜索和落地，让人负责确认事实、选择方向和承担取舍；每到一个岔路口，先问三遍，再继续往前走。
