直觉上，对话越长越贵。但实际上，为什么同一个对话到后期，每轮的费用反而大幅下降呢？背后的机制叫 Prompt Cache。
Prompt Cache 缓存的是什么
缓存的是 KV 矩阵——token 的注意力运算结果。模型处理上下文时，每个 token 都要参与注意力计算，结果以 KV 矩阵的形式存在内存里。
正常情况下这个矩阵用完即丢。Prompt Cache 把它持久化保存下来，下次发同样的前缀时直接复用，跳过重新计算。效果等价，成本大幅降低。
缓存的本质：前缀匹配
每次请求的内容顺序固定：
system prompt → 历史对话 → 当前新消息
└───────────────────────┘ └──────────┘
上一轮已发过，内容不变 本轮新增
→ 全部命中缓存 → 按全价计
历史对话也命中缓存，不只是 system prompt。 对话越长，每轮命中的缓存越多，省得越多。只有当前这条新消息按全价计。
缓存命中的条件
- 内容完全一致：任何一个字节变化都会使该位置之后的缓存全部失效
- 顺序一致：内容顺序必须和上次完全相同
- 最小长度：前缀至少约 1024 tokens 才会被缓存
- 5 分钟内复用：缓存最短存活 5 分钟，每次命中后重新计时；长时间未用才会失效，失效后重新写入
缓存如何计费
计费分三档：
| 状态 | 倍率 |
|---|---|
| 首次写入缓存 | 全价 × 1.25（贵 25%） |
| 普通输入（未命中缓存） | 全价 × 1 |
| 缓存命中 | 全价 × 0.1（省 90%） |
写入为什么比普通输入贵？ 普通输入计算完 KV 矩阵就丢弃，写入缓存时还要把 KV 矩阵持久化到存储里，额外的 0.25x 是这部分开销。适用于所有第一次被缓存的内容，不只是 system prompt。
每轮的实际费用拆解如下：
第 1 轮：system prompt（1.25x 写入缓存）+ 第1条消息（1x）
第 2 轮：system prompt（0.1x）+ 第1轮历史（1.25x 写入缓存）+ 第2条消息（1x）
第 3 轮：system prompt + 第1轮历史（0.1x）+ 第2轮历史（1.25x 写入缓存）+ 第3条消息（1x）
第 N 轮：前 N-2 轮历史全部（0.1x）+ 第N-1轮历史（1.25x 写入缓存）+ 第N条消息（1x）
每轮只有上一轮新增的历史是 1.25x，再往前的历史全部是 0.1x。随着对话变长，0.1x 的部分越来越大，整体越来越划算。
举个具体的数： 对话进行到第 8 轮，system prompt ≈ 8000 tokens、读了 3 个文件 ≈ 6000 tokens、历史积累 ≈ 20000 tokens，共约 34000 tokens 命中缓存，当前新消息约 500 tokens 按全价计。
其中约 3000 tokens 是上一轮历史（1.25x），其余 31000 tokens 是更早的历史（0.1x）
本轮输入成本 = 31000 × 0.1 + 3000 × 1.25 + 500 × 1 = 7250（等效 token 数）
不使用缓存 = 34500 × 1.0 = 34500
实际费用约为不使用缓存时的 21%，节省约 79%。
（绝对金额因模型不同而异，以 Anthropic 官网当前单价为准。）
哪些内容缓存价值最高
| 内容 | 缓存价值 |
|---|---|
| System prompt | 最高，每轮都一样，从第 2 轮起全命中 |
| CLAUDE.md | 高，基本不变，频繁命中 |
| 历史对话 | 高，上一轮已发过，自动命中 |
| 读入的长文件 | 高，一次读入后反复引用 |
| Skill 文件 | 中，触发后进入对话历史，内容稳定则后续命中 |
| 当前新消息 | 无，每次不同，永远不会命中 |
怎么最大化利用缓存
Claude Code 自动缓存，不需要配置。你能做的是不打破它：
1. 保持 CLAUDE.md 内容稳定。 内容变了，该位置之后的缓存立刻全部失效。频繁调整 CLAUDE.md 等于每轮都在多花钱。
2. 同一任务在同一对话里做完。 /clear 清空历史后，所有缓存归零，下一轮全部全价。
3. 需要反复参考的长文件，在对话开始时一次性读入。
先帮我读 src/order/OrderService.java，
接下来我们会一直修改它
后续每轮命中缓存，只收 1/10 费用（如果每次用到时才读，缓存永远不会命中）。
4. Skill 用英文写且保持精简。 内容稳定 + 体积小 = 命中率高且省。
本人公众号「向好慢慢行」，欢迎大家关注。
