你的 Agent 有 1000 万上下文，为什么第 50 轮就开始失忆？

英文标题：你的 Agent 有 1000 万上下文，为什么第 50 轮就开始失忆？

长上下文能力常被描述为容量问题，似乎随着上下文窗口持续扩大即可解决。原文指出，实际有效上下文往往显著低于标称容量：NVIDIA 的 RULER 基准测试显示，有效上下文约为标称值的 50%–65%。Chroma 提出的“上下文腐烂”（context rot）现象也表明，模型在长对话或长任务中可能逐步丢失、混淆或无法检索早期信息。对开发者而言，这意味着构建 Agent 时不能仅依赖超长上下文窗口，还需要采用记忆检索、摘要压缩、状态管理与评测机制。