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
- 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。
- 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。
- 先跑只读检查,确认缓存基础脚手架是否存在。
- 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。
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