什么是 Prompt Caching
每次调用 Claude API，Anthropic 服务器都需要“读”一遍你发过去的全部内容（system prompt + 对话历史）。内容越长，花的钱越多。
Prompt Caching 是 Anthropic 提供的服务端缓存机制：把你请求中不变的前缀部分缓存起来，下次请求只要前缀一样，就直接复用，不用重新计算。
关键概念
| 概念 | 说明 |
|---|---|
cache_control | 标记缓存断点的字段，告诉 Anthropic “到这里为止可以缓存” |
cache_creation_input_tokens | 本次请求新建了多少 token 的缓存 |
cache_read_input_tokens | 本次请求复用了多少 token 的缓存 |
| TTL | 缓存存活时间，默认 5 分钟，可延长到 1 小时 |
最低 Token 门槛
| 模型 | 最低缓存 Token 数 |
|---|---|
| Claude Opus 4 | 1,024 |
| Claude Sonnet 4 | 1,024 |
| Claude Haiku 3.5 | 2,048 |
缓存断点怎么放
缓存断点通过 cache_control 字段标记。你可以在 system prompt 或 messages 中的任意内容块上加这个字段。
基本用法
{
"model": "claude-opus-4-6",
"system": [{
"type": "text",
"text": "你是一个助手。以下是你需要遵循的规则...",
"cache_control": { "type": "ephemeral" }
}],
"messages": [{ "role": "user", "content": "你好" }]
}启用 1 小时 TTL
默认缓存只活 5 分钟。要延长到 1 小时：
第一步：请求头加入 beta 标记：
anthropic-beta: extended-cache-ttl-2025-04-11第二步：在 cache_control 中指定 TTL：
"cache_control": { "type": "ephemeral", "ttl": "1h" }ttl: "1h" 的断点必须放在 ttl: "5m"（或不指定 TTL）的断点前面。顺序反了 API 会报错。多断点策略（实战架构）
以下是经过生产验证的四断点架构：
易变内容放置位置
| 易变内容 | 放置位置 | 原因 |
|---|---|---|
| 向量召回结果 | 最后一条 user 消息末尾 | 每轮召回内容不同 |
| 外部系统回复 | 最后一条 user 消息末尾 | 实时变化 |
| 当前时间戳 | 最后一条 user 消息末尾 | 每秒都在变 |
缓存级联
缓存级联（Cache Cascading）是缓存的高级形态，也是省钱的关键。每一轮对话，缓存都在上一轮的基础上“接力”。
完美级联的数字特征
| 轮次 | cache_read | cache_write | total |
|---|---|---|---|
| 1 | 0 | 42,929 | 42,929 |
| 2 | 42,929 | 1,675 | 44,604 |
| 3 | 44,604 | 3,233 | 47,837 |
每一轮的 cache_read 精确等于上一轮的 total（read + write），说明之前的所有内容都被完整复用。这就是完美级联。
级联断裂
如果中转站修改了请求体的任何部分（哪怕改一个字），缓存 key 就对不上，级联断裂：
| 轮次 | cache_read | cache_write | 状态 |
|---|---|---|---|
| 1 | 0 | 42,929 | 写入 |
| 2 | 0 | 44,604 | 全部重写！ |
| 3 | 0 | 47,837 | 继续重写！ |
中转站缓存表现对比
核心区别在于是否透传请求体：
| 类型 | 级联表现 | 原因 |
|---|---|---|
| Anthropic 官方直连 | 完美级联 | 无中间层 |
| 透传型中转站 | 完美级联 | 请求体原封不动 |
| CF AI Gateway | 完美级联 | 透传代理 |
| OpenRouter | 级联断裂 | 重写 model 名、加前缀 |
| compat 兼容端点 | 级联断裂 | 格式互转破坏 cache_control |
Cloudflare AI Gateway 接入
CF AI Gateway 是一个透明代理，支持完美级联缓存。
步骤
1． 注册 Cloudflare 账号
2． 创建 AI Gateway（菜单 AI > AI Gateway > Create）
3． 获取 CFUT Token（Unified Billing，Cloudflare 代付，5% 手续费）
4． 发起请求：
| 直连 Anthropic | CF Gateway （CFUT） | |
|---|---|---|
| 认证头 | x-api-key: sk-ant-xxx | cf-aig-authorization: Bearer cfut_xxx |
| 端点 | api.anthropic.com/v1/messages | gateway.ai.cloudflare.com/.../anthropic/v1/messages |
代码适配（Node.js）
function buildAuthHeaders(apiKey) {
if (apiKey && apiKey.startsWith('cfut_')) {
return { 'cf-aig-authorization': 'Bearer ' + apiKey };
}
return { 'x-api-key': apiKey };
}注意事项
/anthropic/v1/messages），不能用 compat 端点2． CFUT 不支持
/v1/models，需手动填写模型名3． 模型名用 Anthropic 官方名
4． 代码中检测
cfut_ 前缀并切换认证头
验证缓存是否命中
每次 API 响应的 usage 字段中包含缓存信息：
{
"usage": {
"input_tokens": 8,
"output_tokens": 150,
"cache_creation_input_tokens": 42929,
"cache_read_input_tokens": 0
}
}| 字段 | 含义 |
|---|---|
cache_creation > 0 | 有新内容被写入缓存（首次或新增部分） |
cache_read > 0 | 有内容从缓存中读取（省钱了！） |
| 两者都为 0 | 缓存没有生效 |
完美级联的判断方法
连续几轮对话，如果每一轮的 cache_read 都等于上一轮的 cache_read + cache_creation，恭喜你，完美级联。
1 小时 TTL 验证
发一个请求 → 等 6 分钟 → 发相同请求 → 如果 cache_read > 0，说明 1h TTL 生效了。
省钱计算
缓存定价（Claude Opus 4）
| 类型 | 每百万 token | 相比原价 |
|---|---|---|
| 普通输入（无缓存） | $15.00 | 基准价 |
| 缓存写入 | $18.75 | 贵 25% |
| 缓存读取 | $1.50 | 便宜 90% |
什么时候划算？
对同一个前缀发起 2 次以上请求就开始省钱：
无缓存 2 次: $15.00 x 2 = $30.00
有缓存 2 次: $18.75 + $1.50 = $20.25 (省 32.5%)
无缓存 10 次: $15.00 x 10 = $150.00
有缓存 10 次: $18.75 + $1.50 x 9 = $32.25 (省 78.5%)FAQ
Q：CF Gateway 的 response cache 和 Anthropic 的 prompt cache 是一回事吗？
不是，完全是两个独立的机制。Anthropic prompt cache 缓存推理中间状态（KV cache），相同前缀就能命中；CF response cache 缓存完整响应，只有完全相同的请求才命中。对聊天场景，有用的是 prompt cache。
Q：为什么 OpenRouter 的缓存级联会断？
OpenRouter 大概率修改了请求体（重写 model 名、加前缀、格式转换），任何修改都会让缓存 key 不匹配。
Q：我用的中转站能不能完美级联？
看中转站是否透传 Anthropic 原生格式。简单判断：请求格式是 /v1/messages，且中转站声称“直连 key”，大概率支持。拿不准就看 usage 数据验证。