实战复盘：修复 Anthropic 代理缓存失效，AI 对话成本降低 86%

本文针对 OpenClaw 搭配 Anthropic 兼容代理调用 Claude 模型时出现的 Prompt Caching 长期不命中问题进行了深度排查。作者发现尽管发送了缓存指令，但由于代理层多后端负载均衡导致 user_id 不稳定，请求分散在不同命名空间，进而导致缓存失效。通过在代码层注入稳定的 metadata.user_id 并修复 TTL 设置，利用 patch-package 持久化修复方案，成功将单次请求成本降低 86%，Input Tokens 减少 99.9%。这为 AI 应用开发者解决代理路由一致性、优化长上下文成本提供了极具价值的实战参考。