在 AI 應用開發中，Claude Prompt Caching 是降低 Anthropic API 費用最有效的手段之一，能讓你在處理長上下文時節省高達 90% 的輸入 token 成本。

查看相關日報

長上下文處理在企業級 AI 應用中已是常態。問題在於，每次請求都需重新處理龐大的系統提示詞與歷史對話，API 費用因此快速攀升。Anthropic 的 Prompt Caching 功能直接解決這個痛點：把重複使用的提示內容快取起來，後續請求不再重新計算，成本與延遲同步下降。本文從運作原理到進階技巧，提供完整的實作指南。

什麼是 Claude Prompt Caching？核心概念與優勢

傳統上，向 Claude API 發送請求時，模型會對所有輸入 token（系統提示詞、使用者訊息、歷史對話）進行完整的注意力機制計算。即使系統提示詞在 100 次請求中完全相同，每次仍會重新計算嵌入向量與注意力權重。

Claude Prompt Caching 讓開發者把請求中的特定部分標記為「可快取」。Anthropic 伺服器偵測到這些內容與快取完全一致時，直接讀取快取結果，跳過重新計算。費用也隨之降低：快取輸入 token 的定價約為普通輸入的 10%。

這在 2026 年的 AI 開發環境中格外重要。評估與推理成本已超越訓練成本，生產環境中維持長效 AI Agent 的上下文維護費用往往被低估。Prompt Caching 讓開發者能以更低的邊際成本擴展應用規模。

對客服機器人、程式碼助手或內容生成器而言，只要系統提示詞不變，快取命中後的每次請求輸入成本都會大幅下降。

事前準備：環境設定與 API 基礎

取得 API 金鑰

你需要有效的 Anthropic API 帳號與金鑰。請務必用環境變數儲存 API Key，避免硬編碼進程式碼導致外洩。

安裝 Python SDK

Anthropic 提供官方維護的 Python SDK，內建對 Prompt Caching 的支援，無需手動處理 HTTP Header：

pip install anthropic

使用 Node.js、Java 或 Go 的開發者，請確認使用最新版本的官方 SDK——舊版本可能不支援 cache_control 參數。

確認模型支援

Prompt Caching 目前支援 Claude 3.5 Sonnet、Claude 3.5 Haiku 以及 Claude 4 系列模型。建議開發階段先用 Claude 3.5 Sonnet 測試，其長上下文與快取支援最為成熟。

Step 1：啟用 Prompt Caching 的基本設定

啟用 Prompt Caching 的核心是正確使用 cache_control 參數，告訴 Anthropic 伺服器哪些內容應該被快取。

哪些內容適合放入快取

最適合快取的是靜態且重複使用的內容：

• 系統提示詞：定義 AI 角色、行為準則、輸出格式
• 前置對話歷史：長對話中早期、不再頻繁修改的紀錄
• 參考資料：產品手冊、程式碼庫片段等靜態知識

動態變化的內容（使用者當下的輸入、隨機生成的變數）不要放入快取，否則快取會持續失效，徒增複雜度。

基礎程式碼範例

import anthropic
client = anthropic.Anthropic()
system_prompt = """你是一位專業的程式設計師助手。
請始終使用繁體中文回答。
請在回答程式碼時，加上詳細的註解。"""
message = client.messages.create(
model="claude-sonnet-4-20250514",
system=[{"text": system_prompt, "type": "text", "cache_control": {"type": "ephemeral"}}],
messages=[
{"role": "user", "content": "請解釋 Python 中的裝飾器是什麼？"}
],
max_tokens=1024
)
print(message.content[0].text)

"cache_control": {"type": "ephemeral"} 是關鍵。ephemeral 表示臨時快取，適合大多數場景。Anthropic 自動管理快取過期時間，通常為數分鐘到數小時，取決於快取大小與使用頻率，開發者無需手動介入。

Step 2：實作範例與費用對比分析

完整範例：長上下文場景

以程式碼助手為例——專案結構說明是靜態的，使用者問題是動態的：

import anthropic
client = anthropic.Anthropic()
靜態的專案結構說明（適合快取）
project_context = """
專案結構：

src/
main.py
utils.py
tests/
test_main.py

... (假設這裡有數千字的專案說明)
"""
動態的使用者問題
user_question = "請幫我修改 main.py 中的 login 函數，增加錯誤處理機制。"
message = client.messages.create(
model="claude-sonnet-4-20250514",
system=[{"text": "你是一位資深後端工程師。", "type": "text", "cache_control": {"type": "ephemeral"}}],
messages=[
{"role": "user", "content": [
{"text": project_context, "type": "text", "cache_control": {"type": "ephemeral"}},
{"text": user_question, "type": "text"}
]}
],
max_tokens=2048
)
print(message.content[0].text)

解讀 usage 欄位

Anthropic 在回應的 usage 欄位提供詳細的 token 計數，有三個欄位需要重點關注：

• cache_creation_input_tokens：首次請求時建立快取，按普通輸入 token 計費
• cache_read_input_tokens：後續請求快取命中，費用僅為普通輸入的約 10%
• input_tokens：總輸入 token 數，等於上述兩者加上非快取輸入

費用對比

假設系統提示詞與專案上下文合計 10,000 個 token，普通輸入定價 $3/1M tokens、快取輸入定價 $0.3/1M tokens：

| 情境 | 每次費用 |

|------|---------|

| 未啟用快取 | $0.030 |

| 快取命中（第二次起） | $0.003 |

每天 10,000 次請求，每月可節省約 $810 的輸入成本。對企業級應用，這個差距會進一步擴大。

首次請求需要建立快取，費用與未啟用時相同。快取效益從第二次請求開始才會體現。

Step 3：進階技巧與最佳實踐

最大化快取命中率

快取命中的前提是內容完全一致。一個額外的空格、換行符號或標點符號差異，都會讓快取失效。

核心策略只有一個：嚴格分離靜態與動態內容。把角色定義、格式規則、靜態知識放進快取區塊；使用者輸入、即時資料一律放在快取區塊之外。在程式碼中將系統提示詞定義為常數，避免每次請求時重新生成字串。

避免常見陷阱

快取區塊不是越大越好。過大的區塊可能導致快取更快過期，目前建議控制在 100k tokens 以內。

另一個常見失誤是把含有動態變數的字串（如使用者名稱、當天日期）放入快取區塊。這樣做的結果是每次請求都會建立新快取、快取命中率趨近於零，白白支付了快取建立費用。

結合 Stream 模式

需要即時回饋的應用可以同時啟用 Stream 模式與 Prompt Caching。快取預先處理靜態內容，Stream 模式讓模型更快開始輸出，兩者結合能同時降低費用與首字延遲（TTFT）。使用 Stream 模式時請確認 cache_control 參數已正確設定，否則快取不會生效。

常見問題 FAQ

Prompt Caching 支援哪些 Claude 模型？

目前支援 Claude 3.5 Sonnet、Claude 3.5 Haiku 以及 Claude 4 系列。Claude 2.1 等舊版模型不支援此功能。開發前請查閱 Anthropic 官方文件確認模型版本。

快取會保留多久？

Anthropic 使用 ephemeral 類型管理快取，保留時間依快取大小與使用頻率動態調整，通常在數分鐘到數小時之間。快取過期後，下次請求會重新建立快取，費用與首次相同。

如何監控快取命中率？

解析 API 回應的 usage 欄位即可計算：

快取命中率 = cache_read_input_tokens / (cache_read_input_tokens + cache_creation_input_tokens)

命中率接近 100% 表示快取策略有效。Anthropic 控制台也提供費用分析功能，可逐請求查看 token 計數。

下一步

Claude Prompt Caching 是控制 AI 應用成本的基礎工具。掌握之後，可以進一步研究 thinking 模式的精確控制，或結合本地快取策略減少 API 呼叫次數。Anthropic 官方文件會持續更新模型定價與功能異動，建議定期確認，避免用了過時的參數設定。