待验证50% 置信事实精确时间
在Agent场景下，由于多轮工具调用，每次调用都需要携带之前的对话历史和系统提示词，导致输入Token呈累积增长，一个代码重构任务可能消耗数万甚至数十万Token
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Eflow Base观察Claude Code每一步执行细节：全链路追踪配置指南
bilibili老文-taichuy2026/6/6
相关事实
待验证长对话会将整个上下文历史打包重新发送给模型，并计入每次请求的Token用量，对话越长单次请求消耗Token越多76% 相似待验证传统Workflow Agent模式下所有任务处理逻辑需以System Prompt形式预先注入大模型上下文窗口，提示词可能膨胀到数万甚至数十万Token73% 相似待验证在编程助手场景中，系统提示和代码上下文通常占用大量tokens，导致缓存命中率极高72% 相似待验证在多轮对话中，之前所有上下文都会作为输入重新发送，因此早期生成的冗余代码会在后续每一轮对话中持续产生 token 成本71% 相似待验证程序化工具调用相比传统 ReAct 框架能降低 Agentic 工作流的 Token 消耗和延迟，在串联数十次工具调用的复杂任务中效率提升显著71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/51967API
curl https://kongchang.com/api/v1/knowledge/claims/51967MCP
get_claim(id=51967)