回答要点
旧目标或旧材料仍在可见上下文里，而新要求没有明确对象和适用范围时，AI 可能把两者混用。 典型信号是沿用上一个项目的数字、客户名称、写作风格，或把已经否定的方案继续当作前提。无需等到对话很长，这些混用就可能出现。
完整解答
实验为“无关信息会干扰任务”提供了直接证据。Shi 等在数学应用题中加入不影响正确答案的额外信息，发现所测模型的解题表现会受干扰。GSM-IC 研究 Liu 等则在多文档问答和键值检索实验中发现，相关信息的位置会影响提取表现。Lost in the Middle 这些不是对“聊天多少轮会串题”的测量，不能据此设一个统一轮数上限。
日常处理可以从最小的澄清开始：明确现在讨论谁、使用哪份材料、哪些旧要求仍有效。如果只是同一报告改写措辞，保留历史有帮助；如果换成另一个客户、数据集或价值判断，应该显式划定边界。
例如：
接下来处理乙项目的说明书。依据本条附件和下面的要求；甲项目中的数字、人物与结论不适用于乙项目。仅保留“面向新手、使用简体中文”的表达偏好。请直接完成说明书，遇到缺失事实时标明缺口。
随后抽查最容易串用的内容：对象、日期、单位、专有名词和核心目标。如果仍多次回到旧设定，可以把当前有效要求汇总后另开对话。文字上的范围声明是在指导使用信息，并不删除历史记录；涉及保存、记忆或隐私设置，要按产品功能另行处理。
引用文献
1. Shi 等（2023），Large Language Models Can Be Easily Distracted by Irrelevant Context，ICML；GSM-IC 算术任务实验
2. Liu 等（2024），Lost in the Middle: How Language Models Use Long Contexts，TACL；多文档问答与键值检索实验