待验证50% 置信事实时间未知
在AI与用户反复交互修改代码时，每次对话都会携带完整的上下文历史，导致Token消耗呈指数级增长
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
相关事实
已验证在AI Agent场景中，会话管理涉及对话历史的存储、检索和注入，若每次交互都需加载大量历史记录和冗余技能模块，会显著增加推理延迟和内存占用77% 相似待验证AI编程任务需将整个项目代码结构、依赖关系、错误信息送入模型，Token消耗是普通对话的数倍乃至数十倍75% 相似待验证AI每增加一次对话都会产生真实的算力消耗，边际成本难以像传统软件那样快速下降75% 相似待验证AI 编程模型调用通常基于 Token 消耗计费，AI 编程场景的 Token 消耗天然高于普通对话，因为每次请求需要携带大量代码上下文74% 相似待验证当前主流AI编程方案让模型在长对话中持续工作，随着代码量增长上下文窗口被撑满后模型会出现幻觉问题74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/55670API
curl https://kongchang.com/api/v1/knowledge/claims/55670MCP
get_claim(id=55670)