prompt-cache-economics

name	prompt-cache-economics
description	面向 OpenClaw 的 Prompt 缓存经济学技能。用于优化稳定前缀、减少 cache miss、控制技能说明预算、降低动态注入抖动与 token 成本。

Prompt 缓存经济学

这是什么

prompt cache 不是小优化，而是一个真实的性能和成本系统。

会影响缓存命中的，不只是 prompt 文本，还包括：

1. 工具面变化
2. 模型变化
3. thinking 配置变化
4. 动态注入内容变化
5. MCP 状态变化

这个 skill 的目标是：让你在设计时就考虑缓存，而不是每轮都重新烧 token。

在 OpenClaw 里何时使用

1. 你发现相似请求成本很高
2. 你在设计长期会话或多 agent fork
3. 你在优化 skills / memory / MCP 注入长度
4. 你想减少 cache bust 的来源

核心原则

1. 稳定前缀越长越好。
2. 动态尾部越窄越好。
3. 动态状态不要污染静态前缀。
4. 发现类文本要有预算。
5. cache miss 要能解释原因。

OpenClaw 场景里的高频 cache breaker

1. 每轮变化的时间信息
2. 当前 skill 列表或顺序变化
3. MCP 连接状态变化
4. 临时实验开关
5. thinking 或模型配置变化
6. 同一任务 fork 了不同工具面

推荐做法

1. 把长期稳定规则固定在前缀。
2. 把 memory、skills、MCP 状态、当前时间放到动态区。
3. skill listing 要短，不要写成长广告。
4. summary / compact 类任务尽量工具最小化。
5. fork 子 agent 时，若想共享 cache，就尽量保持模型、工具、thinking 一致。

常见失败模式

1. 静态区里读取了本轮环境状态。
2. 技能说明无限变长。
3. 每轮重新生成一大段几乎不变的工具说明。
4. 子 agent 想复用父 cache，却换了模型和工具集。
5. 明明 cache 命中差，却不知道是哪个变量导致的。

OpenClaw 落地建议

1. skill 列表只保留高信号描述。
2. MCP 说明尽量增量化，而不是整块重写。
3. 多 agent 协作时，只有在收益明确时才强求形状一致。
4. 对 compact / summary agent，尽量关闭不必要工具。
5. 定期审视哪些动态段落其实可以延后注入。

你可以产出的东西

1. 一张 cache miss 来源图
2. 一份稳定前缀契约
3. 一份 skills / MCP / summary 文本预算表