在多轮交互场景中，智能体每一轮都需重复提交相同的系统提示、工具定义、架构规范及策略指令。即便一个6轮对话中，仅用户最新输入或工具返回结果发生变化，开头那段冗余内容仍可能被计费6次。OpenRouter近期上线的Prompt Caching功能，结合Sticky Routing机制，正是为应对这一隐性成本漏洞而设计。 来，先把核心原理拆解一下。Prompt Caching的核心在于：服务提供商从本地缓存中读取提示中稳定不变的部分，而非每次都按完整输入价格计费。而Sticky Routing则通过将整个会话绑定至已加载热缓存的同一提供商节点，确保该优化在跨轮次中持续有效。 **缓存读取成本仅为常规输入的0.1至0.5倍** 不同供应商给出的定价，差异还不小。以Anthropic Claude Sonnet 4.6为例，缓存读取单价为每百万token 0.30美元，而标准输入费用为3.00美元，恰好是0.1倍。DeepSeek与阿里通义千问同样提供了0.1倍折扣；OpenAI区间为0.25–0.5倍；Gemini、Grok及月之暗面统一为0.25倍；Groq则为0.5倍。 但话说回来，缓存并非零成本方案。首次请求需要承担缓存写入开销，而且部分厂商的写入费率甚至高于普通输入。Anthropic默认5分钟TTL的写入费用为输入价的1.25倍，如果选择1小时TTL，则升至2.0倍——要是该缓存从未被复用，总支出反而会高于不启用缓存的情形。OpenAI GPT-5.6及后续版本写入成本为输入价的1.25倍；Google Gemini、Grok、月之暗面与Groq的写入操作则完全免费。 **热缓存背后的隐藏风险：提供商漂移** 这里有一个隐藏风险需要警惕。一旦完成缓存写入，若下一轮请求被调度至另一家提供商，原有热缓存就会失效。OpenRouter目前接入超过70家模型服务商，第二轮命中冷端点的概率不容忽视。这正是Sticky Routing的关键价值所在——当检测到某提供商的缓存读取单价低于其常规输入价时，后续请求会被强制路由回该节点；仅当该节点不可用时，才降级至下一个可用节点，而非直接失败。 那么，如何确保这个机制稳定运转呢？默认情况下，OpenRouter依据对话首条系统消息与首条非系统消息的哈希值来识别会话。然而，智能体经常在轮次间动态重写初始消息（例如更新状态摘要、调整工具上下文顺序），这会导致哈希值变动、会话标识错乱。推荐的解法是显式传入`session_id`。设定后，OpenRouter直接以其作为粘性路由键，粘性策略自首次成功请求起即生效，无需等待缓存命中才启动。`session_id`可置于请求体顶层字段，或通过`x-session-id`请求头传递，须在整个对话生命周期内保持唯一且稳定，长度不超过256字符。 **缓存未命中的四大常见诱因** 说到这儿，你可能还会遇到一个问题：缓存怎么老是没命中？ 第一个原因，提示长度未达最低阈值。Anthropic Claude Opus 4.5–4.8与Haiku 4.5要求至少4096 token；Haiku 3.5需≥2048 token；Sonnet 4/4.5/4.6与Opus 4/4.1均需≥1024 token；OpenAI同样要求≥1024 token；Gemini 2.5 Pro设定为≥4096 token，Flash版本则为≥1024 token。 第二个原因，缓存过期了。Anthropic默认TTL为5分钟，支持手动延长至1小时；Gemini实施隐式缓存，有效期约3–5分钟，而且读取行为不会刷新TTL。 第三个原因，提示头部内容频繁变更。正确的做法是：将固定要素（如系统指令、工具声明、交互模式、参考材料）前置，而将易变内容（如用户提问、时间戳、工具执行结果）后置。如果第一条系统消息中嵌入了实时时间戳，会导致每轮提示被视为全新输入，这类字段如无必要，建议移到后续消息中。 第四个原因，请求被分发至不同提供商。智能体工作流务必设置`session_id`并依赖粘性路由，以维持会话始终运行于已预热的提供商之上。如果手动指定`provider.order`参数，会覆盖粘性路由逻辑。  成本节约效果是随着轮次递增而越来越显著的。对于多轮对话，如果重复内容随交互自然增长，可以启用自动缓存；如果明确知道哪些大块文本需要长期复用（比如检索所得文档、长篇参考资料、角色设定卡、结构化CSV数据），适合采用显式缓存断点；对于智能体对话、客服工单、实时聊天线程、自动化工作流等场景，尤其当开场消息存在轮次间动态变化时，必须使用`session_id`；对于较长的Anthropic会话，如果默认5分钟缓存容易过期，应主动配置1小时TTL。 如何验证缓存是否生效？其实很简单，通过响应体中的`usage.prompt_tokens_details.cached_tokens`字段就能判断——数值大于零即表示命中；`cache_write_tokens`显示本次写入量；`cache_discount`则反映单次生成所获得的成本减免。上述指标同样可以在Activity页面或`/api/v1/generation`接口响应中获取。