待验证50% 置信事实精确时间
LLM 是无状态的，每次调用都需要重新发送整个对话历史，导致编码 agent 的输入 token 随轮数近似平方膨胀。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证LLM 缺乏跨会话记忆使得多轮迭代后生成的代码难以保持一致性，可通过 Memory Bank 结构化 Markdown 文件部分弥补74% 相似待验证传统的LLM是「无记忆」的，每一次API调用都是独立的，模型本身不会记住上一轮对话的内容73% 相似待验证LLM在生成代码时倾向于'重写'而非'编辑'，导致连带修改问题频繁发生68% 相似待验证Hy Memory 使用写入时 LLM 将每段对话转化为结构化事实并与旧事实调和，而 Aura 不使用写入时 LLM，仅保留原始对话67% 相似待验证对话应用中每接收一个流式 token 就触发整个消息列表重新渲染，会导致开销随对话变长呈线性甚至更高增长67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1049503API
curl https://kongchang.com/api/v1/knowledge/claims/1049503MCP
get_claim(id=1049503)