Unverified50% confidenceFactExact time
即使模型支持128K或更长的上下文窗口，将所有历史信息塞入Prompt也不能保证模型正确利用这些信息，注意力稀释会导致关键信息被忽略
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
Harness Engineering in Practice: Taming AI Agents with Hermes Agent
bilibili赋范课堂6/18/2026
Related Claims
Unverified当前LLM的记忆主要受限于上下文窗口，无法真正跨越多次独立对话保留信息73% similarUnverified超出上下文窗口范围的信息无法被模型访问71% similarUnverified即使是拥有128K或更大上下文窗口的模型，也无法自动感知项目目录结构、现有数据库schema、团队编码规范或历史决策71% similarVerifiedMemory机制通过对历史对话进行压缩总结，保留关键逻辑和核心事实，解决上下文窗口有限导致长期对话信息丢失的问题70% similarUnverified尽管上下文窗口很大，上下文腐化（Context Rot）依然是巨大问题，模型对上下文中不同位置信息的注意力分布不均匀（Lost in the Middle效应）69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/44466API
curl https://kongchang.com/api/v1/knowledge/claims/44466MCP
get_claim(id=44466)