待验证50% 置信事实精确时间
传统ReAct框架要求模型在每次工具调用后将结果写回上下文再重新读取整个对话历史决定下一步，导致Token消耗和延迟累积
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
GPT-5.6发布：程序化工具调用与自主代理实测解析
bilibili万物深译2026/7/10
相关事实
已验证ReAct框架使模型能够在推理的同时与外部环境交互，先推理要做什么，再调用外部工具行动，最后观察工具返回结果，循环迭代直到任务完成81% 相似待验证在ReAct框架下，每次工具调用需将完整历史上下文重新传入模型，导致上下文窗口随执行步骤线性累积，而计费成本呈近似二次方增长81% 相似待验证ReAct模式将语言模型的推理（Chain-of-Thought）与外部工具的行动调用交织在同一循环中78% 相似待验证在多轮对话中，每一轮新回复生成前系统都需将此前所有对话历史重新输入模型，导致token消耗随轮次累积增长76% 相似待验证ReAct在推理轨迹和行动之间建立交替执行协议，将工具返回的观察结果写入上下文再进行下一轮推理，为LangChain、AutoGPT、Claude工具调用等主流智能体框架奠定理论基础76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489559API
curl https://kongchang.com/api/v1/knowledge/claims/489559MCP
get_claim(id=489559)