文章摘要
【关 键 词】 提示缓存、AI优化、成本降低、缓存策略、性能提升
Anthropic公司为其大模型平台API引入了一项新功能——提示缓存（Prompt Caching），旨在帮助开发者优化API调用的效率和成本。这一功能特别适用于需要处理大量上下文信息的场景，如AI代理、编码助手、大型文档助手等。通过缓存，可以显著降低长提示的处理成本和延迟，最高可降低成本90%和延迟85%。
提示缓存的工作原理是，当用户发送请求时，系统会检查是否已有缓存的提示前缀。如果存在，系统将直接使用缓存版本，从而减少处理时间；如果不存在，系统将处理完整提示并创建缓存。缓存的生命周期为5分钟，每次使用时都会刷新。
为了充分利用提示缓存，开发者应将静态内容、系统指令和上下文放在提示的开头，并使用cache_control参数标记可缓存内容的结束。最多可以定义4个缓存断点，以分别缓存不同的可重用部分。此外，开发者还可以通过API响应字段中的usage来监控缓存性能，根据实际使用场景定制缓存策略。
在定价方面，提示缓存引入了新的结构。以Claude 3.5 Sonnet模型为例，基本输入token价格为每千个3美元，缓存写入价格为每千个3.75美元，而缓存命中价格仅为每千个0.30美元，输出token价格为每千个15美元。这意味着缓存写入token比基本输入token贵25%，而缓存读取token则便宜90%。
为了确保缓存的有效性，开发者需要注意以下几点：确保跨调用的缓存部分相同，检查调用是否在5分钟的缓存生命周期内进行，以及验证tool_choice.type和图像使用在调用之间是否保持一致。任何tool_choice.type的更改或提示中图像的存在/缺失都会导致缓存失效，需要创建新的缓存条目。
总之，提示缓存功能为开发者提供了一种优化API调用效率和成本的有效手段，尤其适用于需要处理大量上下文信息的场景。通过合理利用缓存，开发者可以显著提高应用性能，降低成本，并提升用户体验。
原文和模型
【原文链接】 阅读原文 [ 1008字 | 5分钟 ]
【原文作者】 AIGC开放社区
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★☆☆☆
