待验证60% 置信事实精确时间
ReAct每一轮循环需要将完整历史上下文重新输入，导致上下文窗口随迭代次数线性增长
2
来源数
60%
置信度
长期有效
时效性
2026/7/24
首次发现
来源
Mindwalk：用3D代码地图回放AI编程代理行为轨迹
hackernewshackernews2026/7/12
相关事实
待验证ReAct 每次循环产生 Thought-Action-Observation 三元组，会被逐步拼接进上下文窗口，多轮循环会快速消耗模型的 Token 配额70% 相似待验证对对话式Agent而言，若无缓存，第N轮请求需重新处理前N轮全部历史，累计输入量随轮次平方增长；有了前缀缓存，每轮只需处理新增部分，累计输入量随轮次线性增长。69% 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68% 相似待验证在 Loop 场景中，每轮循环需要将整个对话历史重新送入模型，导致单轮 Token 消耗因 Context 累积而递增，呈现比线性更陡峭的成本曲线66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/611091API
curl https://kongchang.com/api/v1/knowledge/claims/611091MCP
get_claim(id=611091)