待验证50% 置信事实精确时间
在ReAct类Agent中，每一轮循环都要将历史思考与工具结果重新放入上下文，因此轮次越多token消耗和成本越高。
1
来源数
50%
置信度
长期有效
时效性
2026/10/24
首次发现
来源
涉及实体
相关事实
待验证ReAct每一轮循环需要将完整历史上下文重新输入，导致上下文窗口随迭代次数线性增长80% 相似待验证ReAct的推理链会持续消耗上下文token，一个执行20步操作的Agent其历史推理链可能消耗数万token79% 相似待验证典型的Agent框架如ReAct、AutoGPT、LangGraph采用感知-推理-行动的迭代模式，上下文随轮次累积导致后期每轮Token消耗呈线性甚至指数增长75% 相似待验证在ReAct等经典范式中，工具调用判断由同一个大模型完成，当任务链条较长时循环次数可达数十至数百轮，延迟与成本线性累积。74% 相似待验证ReAct 的代价是每轮循环都增加一次模型调用，延迟和 token 消耗随步数线性增长，实际系统通常会设置最大迭代次数和提前终止条件。74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1092168API
curl https://kongchang.com/api/v1/knowledge/claims/1092168MCP
get_claim(id=1092168)