Unverified50% confidenceCautionExact time
在长对话中早期的错误尝试和调试过程会持续占据上下文窗口，造成上下文污染并干扰后续推理准确性
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
Unverified上下文浓缩策略的代价是可能丢失被判定为不重要的细节信息，导致后续对话理解偏差或重复犯错78% similarUnverified过于冗长、矛盾或模糊的系统提示词会导致模型注意力分散，产生过度思考或指令遵循失败，精简 agents.md 可提升指令遵循的确定性76% similarUnverified推理过程中动态增长的KV Cache会持续占用显存，长对话时可能突然触发OOM崩溃76% similarUnverified当提示词过长时，大模型会出现'注意力爆炸'现象，即输入太长导致有效信息丢失76% similarUnverified误差级联指早期步骤中的微小判断偏差随推理链延伸被逐步放大，最终产生与预期相去甚远的结果75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/523959API
curl https://kongchang.com/api/v1/knowledge/claims/523959MCP
get_claim(id=523959)