待验证50% 置信解决方案精确时间
早期Agent框架常把全部对话历史无损拼接，轮次一多输入Token会呈平方级增长；Hermes Agent通过摘要压缩、按需检索等策略只保留与当前任务相关的片段，使长期运行时单轮成本趋于平稳。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
Hermes Agent实战教程：比Open Cloud省Token的AI框架
bilibili研究院张Q2026/10/15
涉及实体
相关事实
待验证AgentExecutor每次工具调用前会重新拼接完整对话历史进Prompt，导致Token消耗随任务步骤线性增长78% 相似待验证在Agentic场景中，Agent往往在一次用户请求中发起多轮模型调用，每一轮携带越来越长的上下文，导致成本随对话深度非线性增长75% 相似待验证多线程为Agent提供全新上下文，可避免长对话中的上下文稀释问题，从而使Agent在更优状态下运行75% 相似待验证在 Agent 场景中，上下文窗口会随着对话轮次不断累积，导致后续每轮的输入 Token 持续增长74% 相似待验证Agent运行时间越长，工具结果和历史记录越多，若全部塞入上下文，最初的任务要求和操作限制可能在截断压缩时丢失，关键约束需在每一轮运行时都能被读取72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042999API
curl https://kongchang.com/api/v1/knowledge/claims/1042999MCP
get_claim(id=1042999)