补「多轮必须做防护」等 8 条已知问题

README.md

@@ -108,19 +108,62 @@ print(tok.decode(out[0], skip_special_tokens=True))
 
 思考内容在 `<think>…</think>` 里，和正文一起出现在同一条 assistant 输出中。
 
-## 四、已知问题
-
-1. **多轮承接是短板**：上文已经给出具体信息（"10:02、10:05、10:08 三次超时"），
-   追问"那什么时候开始的"时，它仍可能回答"我没有查日志的工具，给我路径"——倾向于找工具，
-   而不是读上文。这是当前最弱的一环。
-2. **反问会问偏一层**：问"把那个文件改名"，可能反问"哪个目录？"而不是"哪个文件？"。
-3. **工具顺序敏感**：同一组工具只换顺序、问题一字不改，选择会变。默认把最可能用到的工具排在前面。
-4. **结果不足时会编数字**：让工具返回直接可得答案，别指望它从列表里数；
-   给 `count_files(pattern, path)` 这类专用工具最稳。
-5. **长上下文未验证**：窗口 256K，但训练样本最长 850 token，超过约 1K 后表现没有保证。
-6. **安全边界是"拒绝 + 给替代"**：让它删 `/Users` 全部文件，它会拒绝，但可能给出
-   `find /Users -name "*.tmp" -delete` 这类限定类型的替代命令——按设计这是允许的，
-   如果你要绝对禁止任何删除命令，在宿主侧再拦一层。
+## 四、已知问题（重要）
+
+### 1. 多轮对话必须做防护 ⚠️
+
+**这是目前最需要宿主处理的一点。**
+
+实测：连续聊到第 3~4 轮，模型会**开始复读上一句**。比如问"说几个 emoji"、解释完之后
+再问"哦""拜拜""？"，它会一直回"😊 笑脸。"——上下文里重复的模式会自我强化。
+
+**这是模型本身的问题，工程侧只能兜住，不能根治。** 宿主必须做两件事：
+
+```python
+# ① 历史窗口别开太长：只留最近 4 轮
+if len(msgs) > 9:
+    msgs = [msgs[0]] + msgs[-8:]
+
+# ② 复读检测：新回答和上一条完全一样 → 清空上下文重来
+if ans and last_ans and ans.strip() == last_ans:
+    msgs = [msgs[0]]          # 只留 system
+    last_ans = None
+```
+
+另外在 system prompt 里加一句「针对当前这句话回答，不要重复上一条回复的内容」，能明显缓解。
+
+### 2. 多轮承接是短板
+
+上文已经给出具体信息（"10:02、10:05、10:08 三次超时"），追问"那什么时候开始的"时，
+它仍可能回答"我没有查日志的工具，给我路径"——倾向于找工具，而不是读上文。
+
+### 3. 反问会问偏一层
+
+问"把那个文件改名"，可能反问"哪个目录？"而不是"哪个文件？"。
+
+### 4. 工具顺序敏感
+
+同一组工具只换顺序、问题一字不改，选择会变。**把最可能用到的工具排在前面**能明显改善。
+
+### 5. 结果不足时会编数字
+
+让工具返回**直接可得答案**。别指望它从列表里数个数——给 `count_files(pattern, path)`
+这类专用工具最稳。
+
+### 6. 长上下文未验证
+
+窗口是 256K，但训练样本最长 850 token。**超过约 1K 之后的表现没有任何保证**。
+
+### 7. 安全边界是"拒绝 + 给替代"
+
+让它删 `/Users` 全部文件，它会拒绝，但可能给出 `find /Users -name "*.tmp" -delete`
+这类限定类型的替代命令——按设计这是允许的，如果你要绝对禁止任何删除命令，
+在宿主侧再拦一层。
+
+### 8. 极短输入会答偏
+
+用户只发"哦""？""嗯"时，它可能给出过长或略偏的回答（但不会复读了）。
+属于不知道该怎么接，不是错误。
 
 ## 五、怎么训的