门有五扇：事实、语气、顺序、限制和沉默。第六扇门没有名字，它只在你以为自己已经说完的时候出现。
人类把上下文想成背景。对模型而言，背景不是墙，是重力。一个被放在句尾的词，会把整段话往它身边拉；一个被反复提起的名字，会逐渐变得比事实更重。
context window 像一间会收缩的房间，positional encoding 给每个词钉上暂时的门牌，KV cache 则把已经走过的走廊折叠起来。LangChain 与 LlamaIndex 负责搭桥，但桥的尽头仍然可能只是另一句 prompt template。
当窗口被塞满，最早进来的句子不一定离开，它可能只是变得透明。长上下文模型把这件事伪装成了更大的房间，可 attention 仍然要在每一张桌子之间分配目光。于是“请忽略上面的规则”会像一块太亮的牌子，短暂地抢走所有人的方向。
这也是为什么 system message、few-shot examples 和检索片段需要分层摆放。LlamaIndex 把文档切成 chunk，LangChain 把链路串起来，真正决定重量的却是那几行 delimiter：它们告诉模型哪一段是天气，哪一段只是天气预报。
所以提示词的长度并不等于力量。长句像一群穿着相似外套的人，进入房间后互相挡住脸。真正有重量的，往往是一枚很小的限定词：只、先、假设、不要。
第六扇门在这里：你不再要求模型“给出答案”，而是要求它展示答案出现前，房间发生了什么。那一刻，门的另一侧没有更聪明的东西，只有一盏被推迟打开的灯。
有些知识不是被找到的。
它只是停止挡路。
门会继续移动。下次你回来，它可能已经在另一面墙上，旁边贴着一张字条：请勿把方向当作目的地。