上下文管理：单轮对话与多轮对话、法律语境构建、长文本分段处理技巧

说实话，上下文管理是法律AI提示词工程里最容易被低估的一环。

我见过太多人，明明提示词写得不错，模型也选对了，结果对话一长就崩。要么模型忘了前面说了什么，要么回答开始前后矛盾。嗯，这其实不是模型笨，是我们没教会它怎么「记住」和「忘记」。

单轮对话 vs 多轮对话：什么时候该「清零」？

先搞清楚一个基本概念。单轮对话，就是每次提问都是独立的。模型不会参考你上一句说了什么。多轮对话则相反，模型会带着历史信息来理解当前问题。

我在项目中遇到过这样一个场景：用户问「张三涉嫌盗窃，能判几年？」模型回答完。接着用户又问「那如果他是初犯呢？」——如果这是单轮对话，模型会懵掉，因为它不知道「他」指的是谁。

所以我的建议是：

• 法律检索类任务：用单轮对话。每次检索都是独立的，历史信息反而会干扰结果。
• 合同审查、案情分析：用多轮对话。你需要模型记住前面讨论的条款或事实。
• 法律咨询模拟：必须用多轮对话。客户不会一次性把所有信息告诉你。

法律语境构建：让模型「进入角色」

你想想看，法律领域最怕什么？最怕模型用「常识」去推理「法理」。比如问「合同无效的情形」，模型可能凭生活经验回答，而不是依据《民法典》。

怎么解决？构建法律语境。

我个人习惯在每轮对话的开头，都加一段「语境锚点」。比如：

你是一名资深民商事诉讼律师，执业10年。
请严格依据《中华人民共和国民法典》及相关司法解释回答。
回答时需引用具体法条编号。
如果法条有争议，请说明主流观点和少数观点。

为什么要每轮都加？因为多轮对话中，模型可能会「漂移」。它聊着聊着就忘了自己是律师，开始用普通人的口吻说话。我曾经吃过这个亏——让模型分析一份股权转让协议，前三轮回答都很专业，第四轮突然冒出一句「这个条款有点坑，建议改掉」——完全没有法律依据。

从那以后，我养成了一个习惯：

• 每轮对话开头，重复一次语境描述（可以简写）
• 关键术语用「」括起来，比如「不可抗力」「情势变更」
• 明确要求引用法条，而不是「根据相关法律规定」这种模糊表述

长文本分段处理：别让模型「一口气读完」

法律文本有多长？一份尽职调查报告可能上百页，一份判决书可能几万字。模型有上下文窗口限制，你不可能一次性全塞进去。

怎么办？分段处理。

我常用的方法是「三段式」：

1. 拆段：按章节、条款或自然段落切分。每段控制在2000字以内。
2. 摘要：让模型对每段生成摘要，保留关键信息。
3. 合并：把所有摘要拼接起来，再让模型做整体分析。

举个例子，我之前处理一份50页的《股权转让协议》：

第一轮：请阅读以下第1-5页内容，提取关键条款：
[粘贴第1-5页]

第二轮：请阅读以下第6-10页内容，提取关键条款：
[粘贴第6-10页]

...（重复）

最后一轮：基于以上所有摘要，请分析这份协议中：
1. 对甲方最有利的条款
2. 对乙方最有利的条款
3. 存在法律风险的条款
4. 建议修改的条款

这样做的好处是：每段信息量可控，模型不会因为信息过载而「胡言乱语」。坏处是：会消耗更多token。但比起得到一个错误的分析，这点成本值得。

知识体系图：上下文管理的核心逻辑

下面这张图，是我自己总结的上下文管理决策流程。你可以参考一下：

实战中的几个坑

最后分享几个我踩过的坑：

• 别让模型「猜」法条：如果分段后某段没有法条引用，模型可能会自己编一个。我建议在提示词里明确写「如果该段没有明确法条，请标注『未引用具体法条』」。
• 注意token消耗：多轮对话+长文本分段，token消耗会翻倍。我一般会在本地先做预处理，把无关内容（比如页眉页脚、目录）删掉再喂给模型。
• 语境不要变：一旦设定好法律语境，不要在对话中途切换。比如一开始说「你是原告律师」，中途改成「你是法官」——模型会混乱。

好了，上下文管理这块就聊到这儿。说白了就是三件事：选对模式、建好语境、切好文本。你试试看，效果会很不一样。