prompt-caching

Prompt Caching 是一个专注于 LLM 提示缓存策略的技能，来源于 davila7/claude-code-templates。

用途 该技能面向需要降低 LLM 调用成本的场景，通过策略性缓存实现成本优化。资料称其作者曾通过策略性缓存将 LLM 成本降低 90%。它适用于提示缓存、缓存策略设计以及缓存失效等任务。

主要能力 技能包含以下能力项：prompt-cache（提示缓存）、response-cache（响应缓存）、kv-cache（KV 缓存）、cag-patterns（CAG 模式）、cache-invalidation（缓存失效）。

核心原则 按正确层级缓存——前缀、响应或两者兼有。该技能强调 LLM 缓存与传统缓存的区别：提示具有可缓存的前缀，响应会随温度变化，语义相似度往往比精确匹配更重要。

主要模式

1. Anthropic Prompt Caching：对重复前缀使用 Claude 原生提示缓存。
2. Response Caching：对相同或相似查询缓存完整的 LLM 响应。
3. Cache Augmented Generation (CAG)：在提示中预缓存文档，而非使用 RAG 检索。

反模式 资料列出以下反模式：高温度下缓存、无缓存失效、缓存一切。

注意事项（Sharp Edges）

• 缓存未命中会导致延迟飙升并带来额外开销（严重程度：高），建议针对缓存未命中而非仅命中进行优化。
• 缓存响应随时间推移可能变得不正确（严重程度：高），建议实现适当的缓存失效。
• 提示缓存因前缀变化而失效（严重程度：中），建议为最优缓存结构化提示。

相关技能 与 context-window-management、rag-implementation、conversation-memory 配合良好。

限制 资料未提供具体安装命令、代码示例、收费信息、价格、平台支持范围或效果数据。