待验证50% 置信事实精确时间
早期智能体产品多采用ReAct（Reasoning + Acting）循环模式，但该模式存在单步失败即全局崩溃、上下文随步骤增加而膨胀等问题
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/3
首次发现
有效期至：2026/10/1
来源
Harness Engineering架构详解：智能体开发求职必备技能
bilibiliAI大模型升升2026/7/1
相关事实
待验证Agent的失败-修正-再尝试过程被称为ReAct（Reasoning + Acting）模式或反思循环72% 相似待验证在长链路任务中，纯ReAct范式会因每步微小偏差被放大形成'幻觉漂移'，逐渐偏离原始意图71% 相似待验证典型的Agent框架如ReAct、AutoGPT、LangGraph采用感知-推理-行动的迭代模式，上下文随轮次累积导致后期每轮Token消耗呈线性甚至指数增长71% 相似待验证ReAct采用append-only的线性增长模式，Plan-and-Execute模式将规划与执行解耦，从架构层面缓解上下文积累69% 相似待验证ReAct范式相比传统的计划-执行分离模式，最大优势在于容错性，可根据工具返回结果动态修正后续计划68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/61896API
curl https://kongchang.com/api/v1/knowledge/claims/61896MCP
get_claim(id=61896)