推理与成本

提示词缓存

Prompt Caching

把重复的前缀上下文缓存起来,后续请求只算新增部分。

又称 Prompt Caching 上下文缓存 Context Caching

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

系统提示、长文档、工具定义这些每次都不变的部分,第一次算完就存下 KV,之后再请求直接复用。命中后这部分按更低价格计费,首字延迟也大幅下降。

使用要点:把稳定内容放前面、变化内容放后面;缓存有存活时间(常见 5 分钟到 1 小时),太分散的请求命中不了。

02 什么时候会碰到它
账单变贵、响应变慢、要压成本时

同样一个模型,费用能差十倍,差别全在缓存、批处理、量化、并行和让它想多久。做容量规划、选部署方式、谈单价,都绕不开这几个词。

03 和这几个词怎么区分
04 接着读这几篇

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活