长文本分析时如何通过 Prompt 优化避免模型在上下文中间丢失信息

处理 50k 字以上的文档时，模型经常会出现「中间失忆」现象（Lost in the Middle），也就是对开头和结尾记得清，但中间的关键细节直接被无视。我之前用 Claude 3.5 Sonnet 分析财报，发现它在总结核心风险点时，经常漏掉正文中间那几页的定量数据。

单纯增加 请仔细阅读全文 这种废话没用，真正的优化得从结构化索引和强制检索路径入手。

一个极其有效的技巧是：在 Prompt 中要求 AI 先为文档建立一个「临时索引」，强迫它在生成答案前先扫描一遍全文本。

优化前（低效）：
请分析这份文档中关于公司研发投入的所有细节。

优化后（高效）：

# 任务：深度分析研发投入
# 约束：为了避免遗漏，请执行以下步骤：
1. 扫描全文，列出所有提及“研发”、“投入”、“研发费用”的段落页码或关键词索引。
2. 基于上述索引，逐一提取具体数值和时间点。
3. 最后将提取的信息汇总成分析报告。

通过这种「先索引-后提取-再汇总」的链式指令，AI 必须在内部注意力机制中对中间部分进行二次激活，极大地降低了漏掉信息的概率。

另一个实操细节是锚点标记法。如果是我自己准备的文本，我会给每个章节加上类似 [Section_01], [Section_02] 的标签。在提问时直接指明：请对比 [Section_03] 和 [Section_07] 里的逻辑矛盾。这种显式索引能让模型在长上下文中快速定位，而不是在模糊的语义空间里乱撞。

在使用 Cursor 的 .cursorrules 或 Claude 的 Project Instructions 时，我习惯把这个逻辑写成全局配置，避免每次重复：

When analyzing long documents, always employ a "Scan-Index-Extract" workflow. 
Do not jump directly to the conclusion. 
Explicitly list the source fragments found in the middle of the context before synthesizing the final answer.

踩过的一个大坑是：不要在 Prompt 结尾写 请简要总结。一旦出现「简要」二字，模型会倾向于触发压缩机制，优先保留首尾信息而舍弃中间细节。建议改为 请详尽地列出所有相关要点，不要省略任何中间细节。

这种方法在处理代码库全量分析时效果最明显，尤其是当你需要 AI 找出分散在十几个文件中的逻辑链路时，强制它先列出所有相关文件路径，比直接问结果要精准得多。