用途：该技能聚焦大语言模型（LLM）提示词层面的缓存策略，目标是降低重复请求的成本与延迟。主要能力包括提示缓存（prompt-cache）、响应缓存（response-cache）、KV 缓存、CAG 模式（Cache Augmented Generation）以及缓存失效。
主要工具与模式：Anthropic Prompt Caching 可在 Claude API 中对稳定前缀做原生缓存，通过 cache_control: { type: "ephemeral" } 标记系统提示与静态知识库，动态用户查询不缓存；响应可用 Redis 做内存缓存，OpenAI API 提供自动缓存。
使用方式示例：Anthropic 场景下将 LONG_SYSTEM_PROMPT 与 KNOWLEDGE_BASE 放入 system 数组并加 cache_control，用户消息保持动态；可用 response.usage.cache_read_input_tokens 与 cache_creation_input_tokens 观察缓存命中。响应缓存可按提示做 sha256 哈希作为键，设置 TTL（如 3600 秒），并支持语义相似度缓存与温度感知缓存（温度高于 0.5 时不缓存）。CAG 则把稳定的文档语料预处理后直接放入提示并缓存，替代 RAG 检索。
适用场景：系统提示或上下文稳定且被反复调用、相同或相似查询重复出现、文档语料稳定且能放入上下文窗口、对延迟敏感的场景。
限制：不覆盖 CDN 缓存、数据库查询缓存与静态资源缓存，聚焦 LLM 专用缓存。使用前需具备缓存基础、LLM API 使用与哈希函数知识，建议先掌握上下文窗口管理。资料提到缓存令牌成本可降低约 90%、延迟最高快约 2 倍，但实际效果随实现与环境不同，其余细节暂未提供。