上下文漂移
多智能体或长周期LLM任务中，因上下文窗口压缩/摘要导致早期约束或细节被遗忘，使系统行为逐渐偏离原始指令的现象，是当前AI Agent工程的主要挑战之一。
时间轴 (近 90 天)
上下文漂移是指多轮交互或长期运行的AI系统中，上下文窗口内的信息逐渐累积噪声、过时事实或被错误推断的内容，导致模型输出与初始意图产生系统性偏离。
应对上下文漂移需要工程手段，例如上下文版本化、定期重检索、显式状态快照与差异比对，以及基于证据溯源的回归测试。
上下文漂移不同于模型幻觉：幻觉是单次生成中的事实错误，而漂移是跨会话或长链条推理中逐步累积的偏差。
上下文漂移（context drift）指Agent在长对话中逐渐偏离最初任务范围或项目边界的现象。
显式命名项目被视为成本最低的纠正上下文漂移的手段，因为它在每一轮都提供了一个可观察、可审查的边界信号。
在多智能体生产系统中，最先出现的问题是上下文漂移，其次是重试放大，第三是自信的错误答案（本地模型以相同格式和语气陈述错误结论，无内置不确定性信号）。
结构化数据传递是缓解上下文漂移的核心手段，智能体之间应传递带类型的字段（记录ID、实体ID、时间戳、状态码、置信度），而非自然语言摘要。
上下文漂移（contextual drift）指模型在长生成的后半段逐渐遗忘前半段的约束条件，导致代码风格不一致、变量命名冲突等问题
该项目最初把整个计划放在对话上下文中，导致出现漂移现象，如出现本不该出现的第二只兔子、被禁止的道具重新出现、场景顺序自行重写
全部知识事实 (9)
上下文漂移是指多轮交互或长期运行的AI系统中，上下文窗口内的信息逐渐累积噪声、过时事实或被错误推断的内容，导致模型输出与初始意图产生系统性偏离。
50%待验证应对上下文漂移需要工程手段，例如上下文版本化、定期重检索、显式状态快照与差异比对，以及基于证据溯源的回归测试。
50%待验证上下文漂移不同于模型幻觉：幻觉是单次生成中的事实错误，而漂移是跨会话或长链条推理中逐步累积的偏差。
50%待验证上下文漂移（context drift）指Agent在长对话中逐渐偏离最初任务范围或项目边界的现象。
50%待验证显式命名项目被视为成本最低的纠正上下文漂移的手段，因为它在每一轮都提供了一个可观察、可审查的边界信号。
50%待验证在多智能体生产系统中，最先出现的问题是上下文漂移，其次是重试放大，第三是自信的错误答案（本地模型以相同格式和语气陈述错误结论，无内置不确定性信号）。
50%待验证结构化数据传递是缓解上下文漂移的核心手段，智能体之间应传递带类型的字段（记录ID、实体ID、时间戳、状态码、置信度），而非自然语言摘要。
50%待验证上下文漂移（contextual drift）指模型在长生成的后半段逐渐遗忘前半段的约束条件，导致代码风格不一致、变量命名冲突等问题
50%待验证该项目最初把整个计划放在对话上下文中，导致出现漂移现象，如出现本不该出现的第二只兔子、被禁止的道具重新出现、场景顺序自行重写
50%