Unverified50% confidenceOpinionExact time
初始token消耗越低，用户可用于实际任务的上下文空间越大；过长的系统提示词会引发提示词漂移干扰模型自主发挥
1
Sources
50%
Confidence
Long-term
Relevance
7/19/2026
First Seen
Sources
Related Claims
Unverified与轮询模型相比，事件驱动异步架构可实现Token消耗的数量级降低77% similarVerified即便拥有百万token上下文的模型，在处理大型代码库时也面临注意力稀释问题——上下文过长时模型对早期内容的关注度会显著下降75% similarUnverified任务范围更窄的子智能体所需的上下文窗口更小，直接降低了推理成本并减少了上下文污染导致的错误率74% similarUnverified持久上下文太多会占用窗口空间并引入噪音，临时上下文太少会导致代理丢失关键约束，需要在两者间权衡74% similarVerified无关信息占据上下文空间（上下文污染）会显著降低模型在核心任务上的表现74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/561469API
curl https://kongchang.com/api/v1/knowledge/claims/561469MCP
get_claim(id=561469)