蚂蚁二面：怎么省Claude Code缓存，我说了四点：用Subagent、一次性装好MCP、配好claude.md、开1小时TTL。面试官点头，说我有工程深度.
前几天有个粉丝去面蚂蚁，岗位是大模型应用开发，简历上写"熟练使用 Claude Code 进行日常开发"。一面聊项目聊得挺顺利，面试官对他做的 Agent 方案挺感兴趣，追问了好几个细节，他都答上来了。气氛不错，他心里还暗暗松了口气。
然后面试官话锋一转，问了一句：“你 Claude Code 用了三个月了，那你知道怎么省缓存吗？”
这个他背了一些，然后自己呢确实积累了一些实操经验，就直接慢慢说说：“嗯……我平时会用 Subagent 隔离不同模型，MCP 一次性装好不中途加，任务开始前把 claude.md 配齐，还有开 1 小时的 TTL……”
他说的时候其实心里没底，感觉逻辑也不够清晰。但面试官听到第二条的时候就开始微微点头了，等他说完，面试官笑了笑说：“工程深度不错，这几个点很多人用了半年都没总结出来。”
他后来跟我复盘这段的时候说，他自己都不知道答得对不对，但面试官的反应让他意识到——这些看起来不起眼的操作细节，恰恰是区分"会用"和"用得好"的分水岭。
今天就把这四个缓存优化的点展开讲清楚，看完你就知道面试官为什么频频点头了。
说个真事哈。很多人拿 Claude Code 去跑那种比较复杂的任务，然后一看账单，好家伙，高得吓人。但是你问他为啥这么贵呢，他自己也说不清楚。其实问题往往不在于任务本身到底有多重，而在于一些你压根没注意到的操作，把好不容易攒下来的缓存给悄悄清掉了。
那命中率为啥会下降呢？你得先去理解缓存的结构是怎么回事。
1. 缓存的整体结构
每一次请求发送过去的上下文呢，它是从左到右依次排列的。排列顺序大概是这样的：先是工具定义，也就是 Tools 那部分。然后是系统提示词，就是 System。再然后是注入的上下文，比如 claude.md 啊、Skills 列表这些东西。最后才是对话历史，也就是 Messages。
所以说呢，越靠左的内容，越要锁死不动。这一点真的不是建议，而是最基本的原则。
2. 四大"缓存杀手"
这也是我核心框架——他当时就是按这四条来回答的。大家可以记一下，大标题记住就好好
· 第一名：切模型——这个是最狠的
很多人以为切模型嘛，无非就是换个"更聪明"的或者"更便宜"的选项，代价顶多就是回答质量上的一些权衡。但实际上呢，完全不是这么回事。缓存存储的根本就不是文本，而是 Transformer 架构里 Attention 层算出来的那个 K/V Cache，也就是每一层的 Key 和 Value 张量。Opus 和 Sonnet 这两个模型呢，它们的架构不一样，权重也完全不相同，所以它们的 K/V Cache 天然就不兼容。就好比什么呢？就好比你拿一个 Word 文件去用 Pages 打开一样，格式根本就对不上。
所以切模型的真实代价是啥呢？就是你跟 Opus 聊了十万 Token 积累下来的缓存呢，一换回 Sonnet 之后就全部归零了。所有的 Token 都要重新去计算，账单直接从 0.1 倍的基础价飙回到 1.25 倍的全价。这个差距是非常大的。
那真正正确的做法是什么呢？是用 Subagent 把它隔离出去。主对话继续在 Opus 上面跑，K/V Cache 纹丝不动。你需要跑另一个模型的时候呢，就开一个 Subagent 去把活干完，然后输出一段交接消息就行了。Claude Code 自己其实就是这么设计的——Web Search 啊、Explorer 这些子工具呢，它们用的都是 Haiku，主上下文始终保持不动。
这就是那个粉丝回答的第一条，面试官听到 Subagent 隔离模型的时候就开始点头了——因为他一下就听出来这是有实际踩坑经验的人才会总结出来的做法。
· 第二名：装新的 MCP
MCP 工具是挂在 Tools 数组里面的。你新增一个 MCP 呢，就会改变 Tools 的哈希值，下面的 System 和 Messages 全部都会跟着失效。不过这里有个很容易被忽略的细节：MCP 只在 Claude Code 启动的时候读一次，启动之后中途装的 MCP 对当前 Session 是不生效的。那真正的破坏往往出现在什么地方呢？出现在之后的 resume 或者 reload plugin 操作——这两个操作会触发 Tools 数组重新组装，之前积累的缓存就全部作废了。
换句话说呢，装 MCP 本身的问题其实不大，真正的问题是装完之后重载了环境。你想想看嘛，你在一半的工作完成了之后才发现缺少某个工具，这个时候你把它装上再 resume，之前的缓存就彻底白费了。
那正确的做法是啥呢？就是在开始任务之前呢，像做手术前的器械准备一样，一次性把所有需要的 MCP 都装好。磨刀不误砍柴工嘛，这一步耽误的那点时间呢，远比你任务中途重载损失的缓存要小得多。
· 第三名：改 claude.md 或者装新的 Skills
claude.md 本质上就是一条 User Message，排在 Messages 数组的特定 Block 里面。Skills 列表呢则更靠前一些，在 Block 2 的位置。跟 MCP 一样，它们也是只在启动的时候读入的，中途修改对当前 Session 是没有效的。
那真正的问题同样出在 resume 上面。你装完 Skill 再去 Resume 的话呢，Claude Code 就会重新组装 Messages 数组。内容变了，之前的缓存就对不上了，整段 Messages 都要从零开始重建。从直觉上来看呢，这个其实挺违反预期的——你只是加了一个工具而已，为什么要付出全部缓存的代价呢？但这正是线性前缀匹配的本质嘛：任何靠左的变化呢，都会把它右边的所有东西拖入冷缓存。
所以正确的做法是啥呢？就是在任务启动之前呢，就想好需要哪些 Skills、claude.md 里面有没有缺失的关键上下文，一次性都准备好。任务中途去修改这些内容呢，代价往往比你多走几步弯路要大得多。
· 第四名：活干到一半中断超过 5 分钟
这个门槛呢，比大多数人预想的要苛刻一些。默认的 TTL 是 5 分钟，从最后一次缓存命中开始计时，每次成功的命中呢都会重置计时器。只要你保持活跃，缓存就一直活着。但你只要停下来 5 分钟——去喝杯水啊、看看 Claude 返回的结果啊、在纸上推敲一下下一步该怎么做——缓存就没了。下一次请求呢就要重新付全价去写入。
有一点需要特别注意哈：TTL 的行为呢，它会因为认证方式的不同而存在差异。你要是用 Claude 的订阅方案，比如 Max 的话呢，Claude Code 会自动请求 1 小时的 TTL。因为它是按套餐计费而不是按 Token 计费嘛，所以这个更长的 TTL 不会产生额外的费用。但你要是通过 API Key 来访问的话呢，默认 TTL 就只有 5 分钟。很多用 API Key 的开发者呢，以为自己享受的是跟订阅用户一样的缓存窗口，但实际上并不是这样的。
那如果你是用 API Key 跑复杂任务的话呢，应该怎么做呢？应当在任务开始之前手动去开启 1 小时的 TTL。具体操作就是在终端里输入这样一行命令：
export ENABLE_PROMPT_CACHING_1H=11 小时 TTL 的写入费用呢确实比 5 分钟版本要高一些。5 分钟的写入溢价是 25%，1 小时的话会略高一点。但是在长任务场景下呢，这笔额外的写入成本远小于缓存反复过期重建的代价。值得一提的是呢，这个环境变量是 2026 年 4 月的 Claude Code 更新中才引入的，它适用于 API Key、Bedrock、Vertex 和 Foundry 等多种配置。
这也是面试官最后频频点头的那一条——1 小时 TTL 是很多用了好几个月 Claude Code 的人都不知道的配置，能说出这个环境变量的，基本可以确定是真正跑过长任务、踩过坑的人。
3. 总结一下
第一个呢是中途切模型，这个伤害最大。第二个是中途装新的 MCP。第三个是改 claude.md 或者装新的 Skills。第四个是活干到一半中断超过 5 分钟。
4. 核心原则
核心原则其实就三条。第一条呢，开启一个任务之前，一次性把东西都配好。第二条，Session 里面尽量不要用 resume。第三条呢，复杂任务一定记得开 1 小时的 TTL，用 API Key 的用户尤其要注意这一点。
从我的经验来看呢，这四个缓存杀手里面，第四条也就是超时中断这一条，是最被低估的。前三条呢需要你主动去操作才会触发，但是 5 分钟 TTL 是被动流失的——你只是在认真检查 Claude 的输出呢，缓存就已经悄悄过期了。对于使用 API Key 的开发者来说呢，把 ENABLE_PROMPT_CACHING_1H=1 写进 shell profile 里面，是最值得做但最少被提到的一步配置。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～