上下文投毒：过期缓存如何让 AI Agent 产生错误推理

Redis 官方博客指出，AI Agent 的上下文窗口若混入过期或冲突的缓存数据，会导致 Agent 将错误信息当作事实进行推理，产生看似合理实则错误的回答。

核心问题在于 Agent 缺乏对上下文数据时效性和来源可信度的判断机制，缓存中的陈旧记录与实时数据在语义上无法区分。文章提出需在 Agent 架构中引入数据版本校验、上下文来源标记和冲突检测等工程手段。

对后端工程师而言，这意味着构建 Agent 系统时不能只关注推理能力，还需将数据一致性、缓存失效策略等传统数据库问题纳入 Agent 的上下文管理设计中。