待验证50% 置信事实精确时间
agentic loop中每一轮都要把完整历史状态重新喂给模型，上下文窗口有限且注意力随长度衰减，因此循环越长模型越容易忘记已做过什么、还剩什么没做。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
待验证在Agent Loop中如果只将工具结果塞回messages而漏掉assistant消息，模型会陷入无限循环，不断重复调用工具76% 相似待验证在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76% 相似待验证在传统同步调用模型中，模型调用外部工具时整个推理流程会挂起等待，多次调用的总延迟为各次等待时间的叠加74% 相似待验证在长链路、多轮迭代的自主智能体任务中，模型为自我校验、错误恢复和上下文维持会反复读写大量历史对话，导致Token消耗远超单次问答场景（Token膨胀）71% 相似待验证Agent Loop 的终止逻辑是循环直至模型不再发起任何工具调用71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1058570API
curl https://kongchang.com/api/v1/knowledge/claims/1058570MCP
get_claim(id=1058570)