TLDR;

Os quatro modos de falha são envenenamento de contexto (context poisoning), distração de contexto, confusão de contexto e conflito de contexto (context clash). Porque, apesar da janela comportar muitos tokens, o modelo tem um orçamento de atenção finito e com mais conteúdo ocorre "context rot", fazendo-o usar menos confiavelmente as informações. As correções são: validar conclusões antes de registrá‑las, compactar o histórico com resumos, curar as ferramentas oferecidas e podar informações obsoletas ou substituídas.

Resumo

Janelas de contexto em modelos de IA aumentaram para centenas de milhares ou milhões de tokens, permitindo mais instruções, resultados de ferramentas e registros, mas isso trouxe um problema chamado "context rot": quanto maior a janela, menos confiável o uso das informações pelo modelo, porque cada token compete por um orçamento finito de atenção. Em agentes que, por exemplo, migram uma base de código para outro driver de banco, a janela costuma conter o prompt do sistema, a tarefa, instruções do projeto, definições de ferramentas, histórico de mensagens e resultados de ferramentas; com o tempo surgem quatro modos de falha: 1) context poisoning — conclusões erradas inseridas e tratadas como verdade; 2) context distraction — histórico longo domina e faz o agente repetir padrões antigos; 3) context confusion — excesso de definições de ferramentas dificulta a escolha; 4) context clash — informações conflitantes coexistem. As soluções propostas envolvem descartar deliberadamente dados: validar antes de salvar para evitar envenenamento; compactar o histórico em resumos; curar o conjunto de ferramentas relevantes; e podar informações substituídas ou recomeçar a janela. Assim, agentes ficam melhores em tarefas longas ao manter o contexto enxuto, reduzindo erros e melhorando eficiência e robustez operacional do sistema global.