待验证50% 置信事实精确时间

Thoughtworks的评估框架强调，仅看端到端任务完成率会掩盖过度token消耗和冗余工具调用等关键运营缺陷。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/15

首次发现

有效期至：2027/1/13

来源

单元测试不够用：AI Agent仿真测试方法论

涉及实体

Thoughtworkscompany

相关事实

待验证推理质量会随着上下文窗口中信息的累积而退化，导致长程任务下技能包执行方式变得脆弱73% 相似待验证对于包含多步工具调用的Agentic工作流，任何一步的轻微退化都可能导致最终结果崩溃，不做分步评估几乎无法定位问题环节73% 相似待验证以长尾、高度独特问题为特征的工作负载，如果全局启用语义缓存，实际是净亏损运行。71% 相似待验证当已完成的工作流中某个可选依赖不可用时，运行会被标记为 DEGRADED，确定性结果依然可用，受影响的步骤被记录为失败70% 相似待验证模糊的任务描述、缺乏明确验收标准、未限定修改范围、未拆解子步骤会导致智能体陷入反复试探的循环70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1033687

API

curl https://kongchang.com/api/v1/knowledge/claims/1033687

MCP

get_claim(id=1033687)