待验证80% 置信观点时间未知
Token上下文窗口的遗忘效应是AI在连调阶段发明不存在接口的深层技术原因，当上下文窗口被填满时模型会开始遗忘早期信息
1
来源数
80%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
Claude Code多智能体并行实战：翻车复盘与工程化避坑指南
bilibili木羽Cheney
相关事实
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72% 相似待验证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68% 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67% 相似待验证RAG系统存在迷失在中间（Lost in the Middle）问题，即上下文较长时模型往往忽略中间部分信息而偏向开头和结尾67% 相似待验证尽管上下文窗口很大，上下文腐化（Context Rot）依然是巨大问题，模型对上下文中不同位置信息的注意力分布不均匀（Lost in the Middle效应）67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/12945API
curl https://kongchang.com/api/v1/knowledge/claims/12945MCP
get_claim(id=12945)