该技能是一种文件处理缓存设计模式,用于缓存 PDF 解析、文本提取、图像分析等昂贵文件处理结果。核心思路是以文件内容的 SHA-256 哈希作为缓存键,而不是文件路径。
适用场景:构建文件处理流水线;处理成本高且同一文件会被反复处理;需要提供 --cache/--no-cache 命令行选项;在不修改现有纯函数的前提下为其增加缓存。
核心模式包括:
- 内容哈希缓存键:提供 compute_file_hash 函数,以 64KB 分块读取文件并计算 SHA-256,文件不存在时抛出 FileNotFoundError。以内容为键意味着文件重命名或移动仍可命中缓存,内容变化则自动失效,无需索引文件。
- 缓存条目:使用 frozen、slots 的 dataclass 定义 CacheEntry,包含 file_hash、source_path 和缓存的 document 结果。
- 基于文件的缓存存储:每个缓存条目以 {hash}.json 存储,按哈希查找为 O(1),无需索引文件。
此外,资料还提到 LLM 输出缓存的指纹失效做法:缓存键应为提示词、规则、模型上下文与结果的指纹,而非仅用户问题;任一组成部分变化即未命中并重新生成,避免用陈旧结果回答。
限制与缺失:资料仅给出模式说明和代码片段,未提供安装方式、依赖清单、完整命令行实现、缓存目录配置、并发与清理策略、收费或平台信息。