待验证50% 置信事实精确时间

由于LLM输出具有随机性且Agent会将上一轮失败结果并入下一轮上下文，基于哈希比对的传统去重机制在Agent场景下完全失效

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

AI Agent失控烧光API预算：成因分析与防护方案

相关事实

待验证Agent链式调用多步之后，每次LLM输出的细微差异导致误差逐步放大，最终结果偏离预期72% 相似待验证由于LLM的输出带有不确定性，Agent场景下无法保证两次调用生成的参数完全一致，这使得幂等键的生成和匹配比传统系统更复杂70% 相似待验证纯LLM探索模式在确定性任务上成功率难以保障，因每次推理存在随机性70% 相似待验证LLM的错误往往不是随机分布的，当AI在某个架构假设上出现偏差时，后续所有基于该假设的决策都会系统性地偏离正确方向69% 相似待验证级联失败是指单次工具调用错误会污染后续上下文，导致模型在错误的中间状态上继续推理，最终使整个任务偏轨67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/512088

API

curl https://kongchang.com/api/v1/knowledge/claims/512088

MCP

get_claim(id=512088)