導讀：每次你跟 AI 對話，系統都要重新「閱讀」之前說過的所有內容——像每次打電話給客服都得從頭自我介紹。Prompt 快取讓 AI 記住已讀過的部分，只處理新內容，費用直接降到原本的一成。
重複閱讀的浪費
AI 服務按「處理的字數」計費。每次你發訊息，AI 不只處理新訊息，還要重新處理整段歷史、系統設定、工具說明等所有前置內容。
對話越長，浪費越驚人。一段包含詳細系統指令的對話，光是重複處理那些從頭到尾不變的前置內容，可能就佔每次請求成本的 80%。
快取的原理：讀過一次就記住
如果一段內容已經處理過且沒有改變，就不要再處理一次。
Prompt 快取的運作邏輯：前綴匹配與成本結構對比
服務商把 prompt 前綴（系統指令、工具定義、固定背景）處理後的中間結果存起來。下次發送新訊息時，直接從快取載入，只處理新增部分。
Claude API 提供兩種模式：自動快取（系統判斷哪些部分可快取）和手動斷點（開發者標記最多 4 個快取檢查點）。
省了多少？
快取命中的 token 只收基礎價格的 10%。
以 5,000 token 的系統指令、20 輪對話為例：無快取時 5,000 token 計費 20 次；有快取後第一次付完整費用（加 25% 寫入費），之後 19 次每次只付十分之一。系統指令部分成本降低超過 85%。前綴越長，節省比例越高。
延遲同樣大幅降低——不需重新處理的部分，響應速度可快上好幾倍。
怎麼用才划算？
穩定內容放前面：系統指令、角色設定、工具定義放在 prompt 最前面。快取是「前綴匹配」，遇到第一個不同就中斷。
動態內容放後面：每次不同的使用者訊息放最後，確保前面穩定部分持續命中快取。
注意最小長度：Claude Sonnet 4.6 / Haiku 4.5 需至少 2,048 token；Opus 4.6 需 4,096 token。太短的前綴不值得快取。切換模型會讓快取完全失效。
更大的圖景
快取讓開發者可以放心在 prompt 塞入更多背景知識——快取後幾乎免費，回答品質隨之提升。
更多上下文 → 更好的回答 → 更低的單次成本。這就是快取帶來的正向循環。
References
- Anthropic (2026). Prompt Caching. Claude API Documentation.
- Martin, L. (2026). Harnessing Claude's Intelligence: 3 Key Patterns for Building Apps. Anthropic Blog.
- Kwon, W. et al. (2023). Efficient Memory Management for Large Language Model Serving with PagedAttention. SOSP 2023.
常見問題
Prompt 快取適用於所有 AI 服務嗎？
不是。快取需要服務商在後端實作支援。Claude、GPT-4o 等主流服務已提供不同形式的快取機制，但各家的快取策略、有效期限、計費方式不同，使用前要查各平台的具體說明。
快取的 5 分鐘 TTL 會造成問題嗎？
在對話間隔較長的場景中（例如用戶 10 分鐘後才回覆），快取可能已失效，下一次仍要重新處理。快取最適合高頻、連續使用的場景，偶爾使用的效益相對有限。