AI Skill 大全

提示缓存优化

审计并降低 LLM 调用的成本:提升提示缓存命中率、减少输入 token。

功能与用途

同样一次 LLM 调用,缓存命中与否的成本差别很大。它会先摸清你项目的调用入口:用的是哪家模型、请求从哪进、提示模板和工具定义长什么样、有没有用量日志;没有缓存指标就如实当作数据缺口,不会凭提示文本瞎猜命中率;然后检查基础脚手架是否就位,再给出优化方案。

适用场景

  • LLM 提示缓存审计:分析大模型调用入口与日志,排查高频调用、长输入及低缓存命中问题并定位缺口。
  • 提示词前缀结构优化:将稳定角色、工具定义置前,动态变量后置,提升前缀字节稳定性与缓存复用。
  • Token 与成本回归验证:建立固定回归用例集,在保证输出质量前提下对比验证缓存收益与调用成本降幅。

适用人群

  • 开发者
  • 技术团队
  • 工程负责人

使用步骤

  1. 提供目标项目路径,让 AI 先读入口说明并检查代码改动状态。
  2. AI 摸清模型供应商、请求入口、提示模板、工具定义与用量日志。
  3. 先跑只读检查,确认缓存基础脚手架是否存在。
  4. 在你授权修改后执行安装并落地优化。

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
编程
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
专业
版本
main
最近更新
2026-09-14
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

审计并优化 LLM 提示缓存命中率、输入 token、延迟与调用成本。用于用户要求“优化缓存命中”“降低 token 成本”“审计 LLM 调用”“提示词缓存优化”“优化 AI 调用费用”,或需要为 Claude Code、Claude Code 与应用代码建立可观测性和固定回归样本时。

使用前准备

  • 目标项目仓库的可读权限
  • LLM 供应商与模型配置信息
  • 可用的用量日志(用于评估缓存命中率)

依赖与权限

  • 读取用户主动提供的内容

同类 Skill