概念Context Bloat / 上下文膨胀问题
上下文膨胀
AI Agent运行中因反复回放原始工具输出、日志、元数据等冗余内容导致的提示词膨胀问题，会引发延迟上升、成本增加、注意力稀释和模型不稳定
核心事实
时间轴 (近 90 天)
10月16日
Agent 的 SQL 起草循环中，每一轮修订都会把此前所有尝试的对话历史原样重发，导致 prompt token 随尝试次数增长，即上下文膨胀。
待验证50%
10月12日
传统智能体开发中一次性注入全部工具或指令会导致上下文膨胀、决策干扰，引发工具选择漂移。
待验证50%
10月12日
过多技能会导致上下文膨胀，消耗token配额并可能被误触发，更多技能并不等于更聪明的Agent
待验证50%
9月11日
将冗余历史对话反复塞进上下文窗口会导致token成本上升和推理延迟增加
已验证65%
9月2日
多轮对话的累计输入Token总量约为N²×K/2（N为轮次，K为每轮新增Token），呈二次函数增长，40轮会话累计消耗约为20轮的4倍
待验证50%