LLM 的缓存比传统缓存难在哪
传统接口缓存看 URL 与参数；LLM 的请求体是自然语言，同一个意思有无数种写法，
所以"键怎么定"就是核心难题。做错了会出现两种糟糕结果：该命中没命中（白花钱），
或者不该命中却命中（答非所问）。
三层缓存（强烈建议按这个顺序做）
一、精确缓存（最稳）
键 = 请求体的规范化哈希：模型 + 提示词版本 + 参数 + 输入文本（去首尾空白、统一换行、统一大小写规则按需）。
- 只对幂等、无时效的任务开（分类、抽取、格式化）；
- 命中率通常已不低（模板化任务重复率很高）；
- 键里必须含模型与提示词版本，否则换了版本还在吃旧结果。
二、语义缓存（要克制）
把输入向量化，相似度超过阈值就复用旧结果。
- 阈值调低 → 把"相似但不同"的问题答错（这是它最大的风险）；
- 必须有白名单：只对"答案不依赖细节差异"的任务开（例如常见问题）；
- 必须记录命中率与人工抽检命中结果，否则你无法知道它错在哪。
三、前缀缓存 / 上下文复用（省在输入侧）
很多推理服务对"相同前缀"有优惠。做法：把稳定部分放前面（系统提示、固定示例），
变化部分放后面（用户输入）。这样前缀能复用，输入成本明显下降。
三类不要缓存的东西
- 带时效的（价格、库存、新闻、政策）；
- 带个人数据的（缓存键会泄露、结果会串号）；
- 有副作用的（下单、发信、写库 —— 重放会重复执行）。
该观测什么
- 命中率（分精确/语义两侧看）；
- 误命中率（抽检命中结果，错误的占比 —— 这个指标最容易被忽略）；
- 缓存带来的成本节省与延迟改善；
- 失效策略是否生效（过期、版本变更后旧键是否被绕过）。
落地顺序
- 先做精确缓存（含版本号），立刻见效且风险低；
- 加前缀复用（把稳定内容前置，几乎无风险）；
- 最后才考虑语义缓存（白名单 + 抽检 + 可关闭开关）。