当AI学会了"记笔记"——提示词缓存背后的秘密

本文基于 easy-learn-ai 项目 commit [515b759](https://github.com/paradigmshifterlab/easy-learn-ai/commit/515b759) 的技术内容撰写，该项目以15章交互式演讲动画讲解 Prompt Cache 技术，灵感来自 Anthropic 工程师关于 Claude Code 提示词缓存设计的最佳实践。 --- ## 一、一个荒谬的场景 想象你走进一家图书馆，问一位图书管理员："请问《百年孤独》第一章讲什么？"管理员拿出书，从头读到第一章末尾，然后告诉你答案。 第二天你又来了，问："昨天的问题我再补充一下，马孔多的创始人叫什么名字？"管理员**又一次拿出书，从第一页重新读到第一章末尾**，然后才翻到昨天停下的地方继续读。 你忍不住问："你为什么不直接从我昨天停下的地方开始？前面部分你昨天不是已经读过了吗？" 管理员无辜地耸耸肩："我们的规矩是每次都要从头开始。" 这听起来很荒谬，对吧？但这正是大语言模型在过去很长一段时间里的真实处境。当你和一个AI聊上20轮对话，第20轮里前19轮的内容和第19轮时一模一样，模型却依然要把整个对话历史从头编码一遍。 这就好比你每次复习功课，都必须重新把前100页的内容重新抄写一遍，才能开始看第101页。效率低得让人心疼。 直到有人想通了一件事：**既然前面内容没变，为什么不让模型学会"记笔记"呢？** --- ## 二、记笔记的秘密：提示词缓存 记笔记这件事，人类做了几千年。它的核心思想极其朴素：**不变的东西不需要反复处理，记下来就好。** 提示词缓存（Prompt Cache）做的就是这件事——它在大语言模型的输入文本上标一个"断点"，就像你在书页里夹了一张书签。从开头到断点的这部分文本，经过编码之后，结果被存起来。下次如果输入的前缀和上次一模一样，模型就直接复用这段缓存，不需要重新计算。 你可能会问：复用一段"笔记"，到底能省多少力气？ 让我给你算一笔账。 假设你有一份10万字的长文档，想让AI帮你分析。没有缓存时，每次发一条新消息，AI都要把这10万字从头编码一遍。如果每轮对话成本是0.30美元，聊10轮就是3美元。 有了缓存之后，第一次处理这10万字确实要额外花25%的力气（写入缓存的成本），也就是0.375美元。但从第二次开始，因为前缀已经"记"住了，每轮只需要0.03美元——**打一折**。 10轮对话下来：没缓存是3美元，有缓存是0.375 + 9 × 0.03 = 0.645美元。省了将近80%。如果是20轮、30轮呢？省下的钱是指数级增长的。 而且不只是省钱。你有没有注意到，和AI聊得越久，它回复得越慢？这就是因为它在处理越来越长的对话历史。缓存命中之后，模型不再需要等待那漫长的"从头读取"过程，**第一个token吐出来的时间（TTFT）显著下降**——它变快了。 缓存还有一个让人安心的细节：默认存5分钟，但如果你一直和它聊，它会自动续期。门槛也不高，至少1024到4096个token就能开启。对于一份10万字级别的文档来说，这完全在射程之内。 --- ## 三、不只是省钱：为什么 Anthropic 把它当"基建" Anthropic 把提示词缓存的命中率当成基础设施级别的指标来监控。这听起来有点夸张——缓存不就是用来省钱的吗？怎么还扯上了基础设施？ 让我换一种方式解释：没有缓存，就没有今天的 Claude Code。 Claude Code 是 Anthropic 推出的AI编程助手，它可以在代码库里进行多轮深度对话，几十轮下来都很常见。想象一下，如果没有缓存，每次发消息都要把整个代码库和几十轮对话历史从头编码一遍——**延迟会爆炸，成本会爆炸**。用户体验会变成：问一句话，等10秒。再聊几轮，账单数字让你心跳加速。 所以 Anthropic 的做法是：缓存命中率掉下去了，触发值班告警（SEV），工程师得立刻响应。为什么？因为命中率高意味着省钱，省钱意味着能给付费用户提供更宽松的额度，更多人用得起，更多人愿意用，飞轮转起来。 这背后其实只有一个核心原理：**前缀匹配**。 你可以把缓存想象成一个严格的图书管理员："我只认一模一样的开头。"只要输入的前缀和缓存里的内容完全一致，就命中。一旦在某个字符的位置出现了偏差——哪怕只是一个空格的变化——从那个位置往后，一切都得重新计算。 这就是为什么在 Anthropic 的经验里，所有设计都围绕一个约束展开：**不要改指令，不要动工具。** --- ## 四、Claude Code 的七条经验 现在让我带你走进 Claude Code 的实战设计，看看工程师们为了保住这个"前缀"不变，动用了多少巧思。 ### 经验一：系统指令别乱改 很多开发者会犯一个直觉性的错误：想让模型切换模式（比如从"执行模式"切到"规划模式"），就直接改系统指令。改了系统指令，前缀就变了，缓存就失效了。 Anthropic 的做法聪明得多。Claude Code 有两个特殊工具——"进入规划"和"退出规划"。系统指令始终不变，放在缓存前缀里。约束通过在对话流中插入系统消息来传达："现在进入规划模式，你只能思考不能执行。"系统指令固定不动，工具集始终在那里，缓存始终有效。 更妙的是，模型还能自己判断什么时候该进规划模式。它不需要等外部指令，自己就能决定。这种方式的优雅之处在于：**流动的对话消息不影响静态的缓存前缀**。 ### 经验二：别中途换工具 Claude Code 可能接几十个外部工具。一个直觉的做法是按需加载：需要代码搜索时加载代码搜索工具，需要终端时加载终端工具。但问题是——每加减一个工具，前缀里的工具定义列表就变了，缓存就废了。 折中方案叫**延迟加载（Lazy Loading）**。一开始，系统只给模型看一套轻量的"占位符"——就像图书馆的书目索引，只列书名，不含书的完整内容。模型真要用某个工具时，再通过一个特殊的"工具搜索"工具去拉取完整的定义。 前缀里永远只有占位符，永远不会因为工具调用而变动。缓存稳如磐石。 这个比喻很漂亮：你不需要把整个图书馆搬进你家里，你只需要一张图书馆的索引卡。真正要看哪本书的时候，再按索引去找。 ### 经验三：子任务要独立出去 有时候，Claude Code 需要派一个小模型去干脏活累活——比如搜索代码库里的某个函数。直觉的做法是让主模型自己跑。但问题是，子任务会带回大量中间输出，污染主对话，缓存前缀会变长，命中率会下降。 更好的做法是**账号隔离**。主模型写一段任务交接说明，交给子任务去执行。子任务有自己的独立缓存，不会污染主对话。做完之后，只把结果传回来，干净利落。 这里还有一个容易被忽略的风险：**账号池混用**。如果多个用户共享同一个API账号池，每个人的输入前缀都不一样，命中率会被稀释到极低。极端情况下，一个账号因为命中率太低，会被平台直接封禁。这不是开玩笑——"把号搞没"在 Anthropic 内部是真实发生过的教训。 ### 经验四：压缩历史时要"安全分叉" 长对话有一个绕不开的问题：窗口满了怎么办？ 大语言模型有上下文长度限制（比如20万token）。聊得多了，历史消息塞不下，就得压缩——把前面几十轮对话摘要成一段精简的总结，腾出空间继续聊。 朴素的压缩做法是另起一个新请求：用不同的系统指令，不带任何工具定义，把历史丢给模型去压缩。但这个做法有两个致命问题： **第一**，新的系统指令和工具定义跟主对话完全不同，从第一个字开始就匹配不上主对话的缓存，两条缓存链从此分道扬镳，互不共享。 **第二**，因为没有命中缓存，整个压缩请求都要按无缓存的完整价格付费。对话越长，摘要越长，亏的钱越多。 Anthropic 的方案叫做**Cache-Safe Forking（缓存安全分叉）**。压缩请求必须跟主对话共享完全一致的前缀：同样的系统指令、同样的用户上下文、同样的工具定义。然后把主对话的历史消息带进来，末尾追加一条新的用户消息——"请帮我把上述对话压缩成摘要"。 从后台视角看，这个请求和上次请求几乎一模一样，前缀缓存直接复用。新增的成本只有最后那条压缩指令。而且工程师们还预留了压缩缓冲区，确保不会因为压缩请求本身就把窗口撑爆。 这就像你在图书馆查资料，不需要每次都重新从大门走进来、重新拿读者卡、重新找书架。你只需要走到上次停下的那排书架前，翻到新的一页。 --- ## 五、回到本质：前缀匹配决定一切 让我把这些碎片拼成一幅完整的图。 提示词缓存的底层机制极其简单：**前缀匹配**。如果你的输入和缓存的开头完全一致，命中；哪怕差一个字，从那个位置开始全部重算。 这个简单到近乎粗暴的规则，决定了所有上层设计的走向： 1. **用消息代替指令修改**。不要改系统指令，改对话消息。消息是流动的，不影响前缀。 2. **不要中途切换工具或模型**。工具定义和模型版本都是前缀的一部分，一动全动。 3. **像监控在线率一样监控缓存命中率**。命中率是基础设施，不是可选项。 4. **分叉操作必须共享主对话前缀**。压缩、子任务、回溯——只要复用前缀，就能复用缓存。 每一条经验的背后，都是前缀匹配这个"硬约束"在发号施令。你不需要去记这七条规则，你只需要理解一件事：**缓存只认一模一样的开头**。剩下的一切设计选择，都是这个约束的自然推论。 --- ## 六、一场关于"记忆"的革命 写到这里，我想把视角拉远一点。 提示词缓存表面上是一个省钱的技术——省90%的成本，谁不爱呢？但它真正重要的意义，在于它让**长对话成为可能**。 没有这个技术，AI编程助手不可能在大型代码库里工作几十轮。没有这个技术，AI不可能在保持上下文的连续性和深度的同时，以普通人负担得起的价格运行。没有这个技术，所谓的"智能体"、"深度研究"都只能是玩具级别的演示。 它解决的其实是一个古老的计算问题：**如何在对过去保持记忆的同时，高效地处理新的输入。**人类有短期记忆和长期记忆，有海马体和皮层。AI在上下文窗口里只能依赖一种记忆——而提示词缓存，就是在为这种记忆安装一个"缓存层"。 当AI学会了"记笔记"，它不再是一个每次都要从零开始的笨蛋图书管理员。它学会了在书页里夹书签，学会了在笔记本上写摘要，学会了在翻开一本厚书之前先看一眼目录。 这些行为本质上和人类读书时的习惯没有区别。我们之所以觉得它们"聪明"，不是因为它们复杂，而是因为它们符合一个最基本的经济学原理：**不要把力气花在已经解决过的问题上。** --- ## 七、写在最后 下次你和AI进行一段长长的对话——十几轮、甚至几十轮——你可以想象一下后台正在发生的事。 你的每一个新消息，模型都在做一个判断："这段话的开头，和之前记过的笔记一样吗？"如果一样，它微笑着翻开笔记本；如果不一样，它叹了口气，重新打开那本书，从第一页开始读。 而这个判断，决定了你的等待时间、你的账单金额，以及这段对话能走多远。 所以，当有人问你"提示词缓存到底是什么"，你可以很简单地回答： **它就是AI的笔记本。它让AI不再每次都要从头开始，也让你的长对话不再那么贵。** --- 来源 commit: 515b759 项目: easy-learn-ai #easy-learn-ai #每日更新 #记忆 #小凯