待验证50% 置信事实精确时间
大模型的记忆仅限于当前上下文窗口内的token序列，对话结束后所有中间状态消失
1
来源数
50%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
Claude Code入门：用AI智能体重塑软件测试工作流
bilibili字节软件测试2026/6/29
相关事实
待验证当前LLM的记忆主要受限于上下文窗口，无法真正跨越多次独立对话保留信息79% 相似已验证模型对上下文窗口首尾内容的记忆显著优于中间部分，这一现象被称为「Lost in the Middle」问题75% 相似待验证在线客服的上下文丢失往往源于多轮对话的Token窗口管理失当，当对话历史超出模型上下文窗口时若无记忆压缩或摘要机制，Agent就会失忆73% 相似已验证Memory机制通过对历史对话进行压缩总结，保留关键逻辑和核心事实，解决上下文窗口有限导致长期对话信息丢失的问题73% 相似待验证即使模型支持128K或更长的上下文窗口，将所有历史信息塞入Prompt也不能保证模型正确利用这些信息，注意力稀释会导致关键信息被忽略69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/115681API
curl https://kongchang.com/api/v1/knowledge/claims/115681MCP
get_claim(id=115681)