GPT‑6 使持久化智能体能够长时间处理复杂任务,从重构代码库到生成经过充分研究的文档和演示文稿。这些智能体背后的应用程序会发出一系列相互构建的 API 请求,通常会沿用先前轮次中的相同指令、工具定义和上下文。OpenAI 会缓存这些共享上下文,以便跨请求复用计算,从而缩短响应时间,并为开发者提供高达 90% 的缓存输入 token 折扣。

随着 GPT‑6 系列的推出,我们发布了一套改进的提示缓存系统,默认情况下可实现更高的缓存命中率。我们现在对在 30 分钟窗口内复用的符合条件的共享前缀提供缓存折扣。我们还引入了新工具,帮助开发者监控缓存性能、诊断未命中情况,并选择要缓存多少提示。

监控缓存并诊断缓存未命中

新的 提示缓存仪表板⁠(在新窗口中打开) 显示你的应用程序输入中有多少来自缓存。跟踪随时间变化的命中率,并使用输入构成图表比较已缓存和未缓存的 token。这些视图可帮助你发现缓存命中的下降,并评估应用程序的更改如何影响缓存性能。

当你看到意外的缓存未命中时,使用 提示缓存诊断工具⁠(在新窗口中打开) 来了解发生了什么。将某个请求与最近的响应进行比较,以识别模型、工具、设置或输入中阻止复用的更改。受影响的估计 token 数量可帮助你评估影响规模,并决定如何优化集成以最大化缓存命中率。

{
  "prompt_cache_diagnostics": {
    "type": "cache_miss",
    "reason": "tools_changed",
    "comparison_reusable_tokens": 5629,
    "cache_missed_tokens": 5629
  }
}

为你的应用程序优化缓存

选择要缓存的内容。 显式缓存断点让你选择要复用哪些提示前缀。更新后的 提示缓存指南⁠(在新窗口中打开) 解释了如何使用它们、缓存前缀保持符合条件的时长,以及工具和输入的变化如何影响复用。

在不破坏缓存的情况下调整推理投入。 在 GPT‑6 模型上,你现在可以在响应之间 更改推理投入⁠(在新窗口中打开),而不会破坏缓存。通过追加 configuration_update,同时保持请求级推理投入不变,为更难的任务提高投入,或为常规后续任务降低投入。这让你可以调整任务需要多少推理,同时保留可复用上下文。

在工具和指令变化时保留缓存。 随着智能体的工具使用需求变化,保持工具定义、schema 和顺序稳定,以便较早的上下文保持可复用。使用 allowed_tools 仅使相关工具可调用,或在不需要工具时将 tool_choice 设置为 none,而不是移除定义。使用新的开发者消息将新指令追加到上下文末尾,以覆盖较旧的指令。请参阅我们关于 管理工具更改的指南⁠(在新窗口中打开)。

预热缓存以降低延迟。预热⁠(在新窗口中打开) 会提前准备已知上下文,以便请求到达时模型可以更快开始响应。例如,应用程序可以在启动期间、用户提出第一个问题之前,预热共享指令、工具定义或参考资料。这将处理移出用户的等待时间。

这些可选控制建立在引擎的默认性能之上,帮助你根据工作负载定制缓存。

1 / 3

开始使用

本文内容采集自官方网站,排版和翻译可能与原页面存在差异。

阅读官方全文