待验证50% 置信事实精确时间
对对话式Agent而言，若无缓存，第N轮请求需重新处理前N轮全部历史，累计输入量随轮次平方增长；有了前缀缓存，每轮只需处理新增部分，累计输入量随轮次线性增长。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证在Agent应用中，每一轮推理-行动-观察循环都需要将完整历史上下文重新输入模型，导致Token消耗随任务复杂度呈非线性增长74% 相似已验证当Agent处于循环状态时，每次调用会携带累积的对话历史，导致Token消耗随迭代次数线性甚至超线性增长74% 相似已验证多轮对话配置解决上下文记忆问题，决定智能体在连续对话中能保留多少轮历史信息71% 相似待验证大多数Agent框架采用完整上下文重放策略，每轮调用需将历史对话全量传入，导致Token消耗随循环轮次呈二次方级增长70% 相似待验证推理-行动循环（ReAct Loop）可以持续多轮，AI分析状态、决定调用工具、获取结果后再规划下一步直至任务完成69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1027809API
curl https://kongchang.com/api/v1/knowledge/claims/1027809MCP
get_claim(id=1027809)