Recency Effect:模型对「最后说的话」最上心
本条目是「Context Engineering」的第 7 部分,对应学习清单条目 3.2.3。
前置依赖:首末重注入、渐进式加载 为以下铺垫:摘要压缩、长任务重注入
核心观点
Recency Effect(近因效应):模型对末尾的信息权重更高、遵循率更好。所以「绝不可违反的 hard gate(硬闸门)」和「当前任务」要焊在结尾。
和老师布置作业一样:开头说「这学期要好好学」,你左耳进右耳出;下课铃响前说「今晚作业不交扣十分」,你立刻掏本子。模型也是——末尾那句,它记得最牢。Primacy(开头)管「你是谁、规矩是什么」,Recency(结尾)管「现在立刻干啥、红线在哪」。
定义与原理
Recency Effect 指模型对靠近生成位置(即上下文末尾)的 token 赋予更高权重。它和 Primacy Effect(首因效应)共同构成 U 型曲线的两端——Lost in the Middle 论文已证实首尾信息利用率最高。
Primacy vs Recency(怎么分工)
graph LR P["开头 Primacy<br/>身份 / 系统规则 / 永真约束"] --> M["中间<br/>长文档 / 历史 / 工具结果"] M --> R["结尾 Recency<br/>当前任务 / hard gate"]
| 效应 | 位置 | 适合放什么 |
|---|---|---|
| Primacy(首因) | 开头 | 身份定义、全局系统规则 |
| Recency(近因) | 结尾 | hard gate、当前任务 |
工程实践
- hard gate 放结尾:
不执行破坏性命令/必须引用来源/输出 Markdown这类「违反了就出事」的规则,钉在 System Prompt 末尾。 - 当前任务放结尾:把「现在要做什么」写在最后一句,模型目标最清晰。
- 首尾呼应:关键约束开头讲一遍、结尾再重申(见 重注入格式设计)。
优劣势
核心要点
| 概念 | 一句话 |
|---|---|
| Recency Effect | 模型对末尾信息权重更高 |
| 放结尾的 | hard gate + 当前任务 |
| 放开头的 | 身份 + 全局系统规则 |
| 配合 | 首末重注入 + 长任务重注入 |
最新研究与企业数据
- 理论根基(一手):Liu et al. (2023) 证实相关信息在结尾时模型表现最好(来源:arXiv:2307.03172)。
- 官方建议(一手):Anthropic 的长上下文使用文档明确建议把关键信息放在结尾;其 1M 上下文管理博客也把「末尾指令遵循」作为设计考量(来源:Anthropic Effective Context Engineering / Claude 1M 上下文博客)。
- 「Claude 对末尾遵循率更高」的具体量化(待核实):原始文件引用自 Claude Code 用户观察,未见一手受控实验,建议自测校准。
学习资源
- 必读:arXiv:2307.03172《Lost in the Middle》
- 延伸:Anthropic《Effective context engineering for AI agents》(2025-09)
- 进阶:首末重注入 · 长任务重注入 · 重注入格式设计
速记卡(面试闪卡)
Q1:一句话讲清「Recency Effect:模型对「最后说的话」最上心」到底是什么? A:Recency Effect 是近因效应:模型对上下文末尾的信息权重更高、遵循率更好。
Q2:核心观点 —— 怎么理解? A:像老师布置作业:开头说”这学期好好学”你左耳进右耳出,下课铃前说”作业不交扣十分”你立刻掏本子。模型也是——末尾那句记得最牢,所以 hard gate 和当前任务要焊在结尾。
Q3:定义 / 原理 / 实践 / 示例 / 优劣势 —— 怎么理解? A:像 U 型记忆曲线两端:Recency(近因)管结尾、Primacy(首因)管开头,Lost in the Middle 论文证实首尾利用率最高。实践上 hard gate、当前任务钉末尾;开头讲身份和全局规则,首尾呼应。
Q4:核心要点 —— 怎么理解? A:像一张速查卡:放结尾的是 hard gate + 当前任务;放开头的是身份 + 全局系统规则;配合首末重注入与长任务重注入。零成本提升关键约束遵循率,但末尾空间有限别堆成规则墙。
Q5:最新研究与企业数据 —— 怎么理解? A:像权威背书:Liu et al. (2023) 证实相关信息在结尾时模型表现最好(arXiv:2307.03172);Anthropic 长上下文文档明确建议把关键信息放结尾。Claude 对末尾遵循率更高属用户观察,建议自测校准。
Q6:核心速记主线有哪些?
- 本质:模型对末尾 token 权重更高,遵循率更好
- 分工:Recency 管结尾(hard gate/当前任务),Primacy 管开头
- 实践:hard gate 钉末尾、当前任务写最后、首尾呼应
- 依据:Lost in the Middle 论文 + Anthropic 官方建议
口诀 A:近因管结尾,末尾最上心; hard gate 焊尾,任务写最后; 首因管开头,规矩定身份; 首尾相呼应,遵循率提升。
相关链接
- 系列清单:Agent 方法论与产品思维学习路线图
- 上一层级:Context Engineering · 索引
- 关联理论:四层嵌套关系
下一篇:摘要压缩——实战技术讲完,下篇讲「工具返回结果先做摘要,别堆原始输出」。
参考来源(一手链接 · 可溯源深挖)
- Liu et al. (2023)《Lost in the Middle: How Language Models Use Long Contexts》:arXiv:2307.03172
- Anthropic (2025-09)《Effective context engineering for AI agents》:anthropic.com/engineering/effective-context-engineering-for-ai-agents
- Anthropic《Using Claude Code session management and 1M context》:claude.com/blog/using-claude-code-session-management-and-1m-context
- 「Claude 对末尾遵循率更高」量化:(来源待核实:Claude Code 用户观察,未检索到一手受控实验;建议自测校准)