待验证50% 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
1
来源数
50%
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循环表现为Thought→Action→Observation的三段式格式，其局限性在于长任务中上下文窗口快速消耗以及可能陷入推理循环73% 相似待验证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% 相似待验证在多轮迭代模式下每一轮执行都会重新传入累积的上下文，导致token消耗呈近似二次方增长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)