已验证65% 置信事实精确时间

在Agentic场景中，Agent往往在一次用户请求中发起多轮模型调用，每一轮携带越来越长的上下文，导致成本随对话深度非线性增长

3

来源数

65%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

从Demo到上线：AI Agent工程化落地的关键差距

涉及实体

ReActconcept AI Agentconcept

相关事实

待验证Agent型任务采用ReAct的思考-行动-观察循环，单个用户任务可能触发数十次乃至上百次模型调用，使计算开销呈非线性增长79% 相似待验证在Agent工作流中，模型每读取一个文件，上下文窗口被填充得更满，后续每次推理都要携带越来越大的上下文，导致成本非线性增长78% 相似待验证在Agent场景中每一步工具调用都需将完整上下文重新输入模型，导致Token消耗呈指数级增长77% 相似已验证每次运行Agent都会产生实际的API调用开销，评估用例规模变大和多次重试会使成本迅速累积77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986503

API

curl https://kongchang.com/api/v1/knowledge/claims/986503

MCP

get_claim(id=986503)