Unverified50% confidenceDecision RuleExact time
要让CLM真正发挥作用，必须开启每轮只调用一个工具，并在每次结果后生成一段笔记，否则并行工具调用会导致上下文撑爆
1
Sources
50%
Confidence
Long-term
Relevance
10/5/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedCline 遵循工具调用循环（tool-use loop）模式：将用户意图交由 LLM 推理，LLM 返回结构化的工具调用指令，执行后将结果反馈给 LLM，循环直至任务完成75% similarUnverifiedCLM将可选动作只编码一次并缓存下来，每一步仅需对当前情境做嵌入计算并与缓存动作向量做点积，从而大幅提速74% similarUnverifiedCLM的实现方式是harness在每次请求前把当前上下文写入文件，模型通过生成并运行Python脚本修改该文件，修改后剩下的内容成为下一轮prompt73% similarUnverifiedCLM引入新的prompt injection攻击面：注入的恶意指令可持久化到上下文文件并跨多轮存活，甚至主动阻止自己被删除，论文作者将其列为未解决隐患70% similarUnverified长流程回归、夜间批量执行等场景应走 CLI+Skill 路径，其优势在于状态可落盘、Token 消耗更省、脚本可入库版本管理68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/979097API
curl https://kongchang.com/api/v1/knowledge/claims/979097MCP
get_claim(id=979097)