待验证50% 置信事实精确时间
Agent 的每一轮循环都需将完整历史上下文传入 LLM，导致 token 消耗随任务复杂度呈线性乃至指数增长
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
待验证当Agent处于循环状态时，每次调用会携带累积的对话历史，导致Token消耗随迭代次数线性甚至超线性增长77% 相似待验证在Agent应用中，每一轮推理-行动-观察循环都需要将完整历史上下文重新输入模型，导致Token消耗随任务复杂度呈非线性增长75% 相似待验证在智能体工作流中，历史交互作为输入Token累积，导致总Token消耗随任务轮次呈近似平方级增长73% 相似待验证Claude Code的代理架构意味着每次任务执行可能触发多轮模型调用，Token消耗呈指数级增长而非线性增长72% 相似待验证典型的 ReAct 范式 Agent 可能需要经历 5-20 轮循环才能完成一个复杂任务，每轮循环都涉及至少一次 LLM 调用72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/536060API
curl https://kongchang.com/api/v1/knowledge/claims/536060MCP
get_claim(id=536060)