Unverified50% confidenceFactExact time
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
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/3/2026
First Seen
Valid until: 10/1/2026
Sources
Harness Engineering架构详解：智能体开发求职必备技能
bilibiliAI大模型升升7/1/2026
Related Claims
UnverifiedAgent的失败-修正-再尝试过程被称为ReAct（Reasoning + Acting）模式或反思循环72% similarUnverified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% similarUnverified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% similarUnverifiedReAct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% similarUnverifiedReAct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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/61896API
curl https://kongchang.com/api/v1/knowledge/claims/61896MCP
get_claim(id=61896)