待验证50% 置信事实精确时间

在 Agent 循环中每轮需将完整上下文作为输入发送，第 N 轮输入 token 数约为 C + (N-1) × (O + F)，随轮次线性或超线性增长

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

AI Agent烧钱三大教训：Schema校验、熔断机制与重试策略实战

涉及实体

AI Agentconcept

相关事实

待验证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64% 相似待验证当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63% 相似待验证每个子代理启动都需重新注入项目背景、规则约束和代码库快照，导致 Token 消耗呈倍增态势而非线性叠加，主任务消耗 N 个 Token 时三个子代理可能合计消耗 3N 甚至更多61% 相似待验证Transformer 自注意力机制中每个 Token 需要与窗口内所有其他 Token 计算注意力权重，计算复杂度为 O(n²)60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/827563

API

curl https://kongchang.com/api/v1/knowledge/claims/827563

MCP

get_claim(id=827563)