待验证50% 置信权衡取舍精确时间
在 Loop 场景中，每轮循环需要将整个对话历史重新送入模型，导致单轮 Token 消耗因 Context 累积而递增，呈现比线性更陡峭的成本曲线
1
来源数
50%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
待验证当Agent处于循环状态时，每次调用会携带累积的对话历史，导致Token消耗随迭代次数线性甚至超线性增长79% 相似待验证大多数Agent框架采用完整上下文重放策略，每轮调用需将历史对话全量传入，导致Token消耗随循环轮次呈二次方级增长76% 相似待验证在智能体工作流中，历史交互作为输入Token累积，导致总Token消耗随任务轮次呈近似平方级增长74% 相似待验证在多轮Agent对话中，每轮都需携带完整上下文，越往后的轮次Token消耗越高73% 相似待验证Loop Engineering因多轮迭代、完整上下文携带和自我检查机制叠加，Token消耗量通常是普通对话的5至20倍73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/561507API
curl https://kongchang.com/api/v1/knowledge/claims/561507MCP
get_claim(id=561507)