Claude Prompt Caching (提示词缓存)

Prompt Caching 是 Anthropic 推出的一项突破性功能。它允许你缓存频繁使用的长文本（如整本书、庞大的代码库或复杂的角色设定），从而显著降低延迟并大幅减少费用。

#1. 为什么需要缓存？

在传统的 API 调用中，每次请求都要重新计算所有的 Token。

长文本场景：如果你每次都发送同一个 100K Token 的文档，成本会极高。
响应速度：处理大量上下文需要时间，导致首字延迟（TTFT）增加。

Prompt Caching 的优势：

省钱：缓存命中部分的费用最高可降低 90%。
提速：缓存命中部分的计算时间几乎为零，大幅降低延迟。

#2. 如何使用缓存？

你只需要在 messages 或 system 内容中添加一个 cache_control 断点。

#代码示例 (Python)

python
import anthropic

client = anthropic.Anthropic()

# 假设这是一段非常长的背景资料
long_document = "这里是 5 万字的法律条文..."

message = client.messages.create(
    model="claude-3-5-sonnet-20240620",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": long_document,
                    "cache_control": {"type": "ephemeral"} # 在这里设置缓存断点
                },
                {
                    "type": "text",
                    "text": "请根据以上条文回答：如果发生 X 情况，应该如何判罚？"
                }
            ],
        }
    ],
)

#3. 核心限制与规则

最小缓存单位：
- Claude 3.5 Sonnet: 1024 Tokens 起步。
- Claude 3 Haiku: 2048 Tokens 起步。
缓存寿命：目前为 5 分钟（如果没有新的请求使用该缓存）。每次命中缓存，计时器会重置。
最大断点数：单次请求最多支持 4 个缓存断点。

#4. 推荐应用场景

#A. RAG 系统

将核心知识库或检索到的长文档缓存，用户针对同一文档进行多轮追问时极其高效。

#B. 角色扮演游戏

缓存庞大的世界设定、角色属性和剧情大纲。

#C. 编程助手

缓存整个项目的核心结构定义和 API 文档。

#5. 成本估算

缓存的计费分为两部分：

写入费 (Write Fee)：首次存入缓存时的费用（比普通输入略贵）。
命中费 (Read/Hit Fee)：从缓存读取的费用（极低，通常仅为原价的 1/10）。

结论：如果你的应用涉及 1000 Tokens 以上 的固定前缀或长文档，且用户会进行多次交互，务必使用 Prompt Caching。

Claude API 开发指南