一句话定义：指令衰减（Instruction Decay）指的是系统提示（system prompt）里定下的规则，随着对话轮次增加、上下文越来越长，约束力被一点点稀释的现象。规则并没有被删掉，原文还在，只是管不住后面的话了。
先打个比方。部门开会，领导开场就定规矩：“今天只讨论方案，不谈预算。”头半小时，大家都守规矩；可聊到两小时，讨论越来越热，有人顺口算起了成本，其他人也跟着往下算。其实没人忘记开场那句规矩，只是后面这几十分钟的内容离得近、说得具体、情绪也足，把开场那句话压住了。模型面对长上下文时的处境，跟这很像。
原理上说，模型对上下文的注意力不是均匀分配的。越靠后的内容、越具体的要求、越贴近当前问题的语句，通常影响更大；而开头那段又长又抽象的系统提示，相对权重会往下掉。此外还有两重叠加效应：一是AI 词典：上下文窗口">上下文窗口（context window）被填满后，早期内容可能被截断，或被摘要压缩成几句“大意”，细节就丢了；二是模型本身有顺着用户最近一句话走的倾向，用户在后半程随口一句“先简化一下”，就可能盖过开头“必须输出完整表格”的硬性要求。
几个容易混的概念：
| 概念 | 发生在哪 | 本质 |
|---|---|---|
| 指令衰减 | 单次对话内 | 规则还在，但影响力被稀释 |
| 上下文溢出 | 单次对话内 | 上下文窗口装不下，早期内容被挤掉 |
| 灾难性遗忘 | 模型训练中 | 学新知识时把旧能力弄丢了 |
| 提示注入 | 输入内容里 | 外部内容恶意或无意地覆盖了原指令 |
前两个常被一起提起，但区别很实用：溢出是“装不下”，衰减是“装得下但管不住”。只把上下文窗口做大，能缓解溢出，却未必能解决衰减。
对从业者：别把关键约束当成“说一次就永久生效”的配置。比较稳妥的做法有这些：在长任务中定期复述核心规则；把硬性要求做成输出校验、格式检查、工具层拦截，而不是靠模型自觉；把长流程拆成几段，每段重新给一次上下文和约束；把最重要的要求放在靠近当前请求的位置，而不是只写在开头。判断效果时，以实际测试和官方文档为准。
对普通人：用久了发现 AI 开始跑偏，不必急着新开会话。先把最关键的要求在最近一条消息里再说一遍，往往就恢复了。反过来说，开头写一大段“你必须永远……”，也别指望它在第 50 轮还牢靠，能一句话重申的规矩，比写得漂亮的长篇前言管用。