团队每天花 255.6 元（Qwen3.6 Flash）或 426 元（Qwen3.6 Plus）在 LLM 调用上，想降本。有人说"用 API 缓存吧，90% 折扣"，有人说"先做意图识别，85% 的请求不用调 LLM"。到底哪个更省？我们算过了——结论可能和你想的不一样。
为什么意图识别比缓存更省？
核心区别在于：意图识别是"从根上省"，缓存是"从量上省"。
意图识别通过 P0+P1+P2 流水线，85% 的请求在本地完成，完全跳过 LLM 调用——这意味着输入和输出 token 都省了。而缓存只能降低重复输入内容的计费，输出 token 一分不少。
以 Qwen3.6 Flash 为例（输入 1.2 元/M，输出 7.2 元/M），日成本对比：
| 方案 | 日成本 | 节省比例 |
|---|---|---|
| 无优化基线 | 255.6 元 | — |
| 意图识别（85%命中） | 14.3 元 | 94% |
| API 缓存（50%命中） | 186.4 元 | 27% |
换成 Qwen3.6 Plus（输入 2.0 元/M，输出 12.0 元/M），差距同样明显：
| 方案 | 日成本 | 节省比例 |
|---|---|---|
| 无优化基线 | 426 元 | — |
| 意图识别（85%命中） | 23.8 元 | 94% |
| API 缓存（50%命中） | 310.7 元 | 27% |
一句话：意图识别节省 94%，缓存节省 27%——差距不是一点点。
缓存的三个前提：缺一不可
Qwen3.6 的显式缓存不是免费的午餐。它有三个硬性门槛：
前提 1：前缀必须稳定且足够长
缓存创建费比普通输入费贵——Flash 是 1.5 元/M vs 1.2 元/M（贵 25%），Plus 是 2.5 元/M vs 2.0 元/M（贵 25%）。需要缓存命中率超过22%才能覆盖创建成本。如果你的 system prompt + tool schema 只有 730 tokens，前缀太短时首次写入的额外成本可能超过后续节省。
前提 2：请求必须在缓存有效期内重复
TTL 由用户控制，但如果 system prompt 或工具 schema 频繁变更，缓存需要重建，增加创建成本。高频场景（如客服）天然满足；低频场景需要评估缓存有效期内的请求量。
前提 3：前缀必须放在最前面
缓存只匹配最长匹配前缀。如果请求格式是[用户输入][system prompt][工具定义]，缓存完全失效。正确格式是[system prompt][工具定义][用户输入]。
一句话：缓存不是"开开关关"那么简单，它有明确的适用边界。
交叉点：什么时候缓存更划算？
我们推导了交叉点公式，结论是：只要意图识别命中率 > 0，就始终优于缓存。
即使意图识别完全不跳过 LLM 调用（P_full=0%），只要能精简工具集（只传 20% 的 schema），成本仍然低于缓存。缓存唯一的优势是在完全无法做意图识别时作为兜底。
| 意图识别命中率 | 意图识别日成本（Flash） | 缓存日成本（Flash） |
|---|---|---|
| 85% | 14.3 元 | 186.4 元 |
| 50% | 47.1 元 | 186.4 元 |
| 0% | 92.9 元 | 186.4 元 |
一句话：意图识别是降本的第一选择，缓存是锦上添花。
混合方案：极致节省
先用意图识别过滤掉 85% 的请求，剩余 15% 的 LLM 调用再用缓存优化——混合方案的日成本仅 11.8 元（Flash）或 19.6 元（Plus），节省 95%。
| 方案 | Flash 日成本 | Plus 日成本 | 节省比例 |
|---|---|---|---|
| 混合方案（意图识别 + 缓存） | 11.8 元 | 19.6 元 | 95% |
一句话：两者互补，不是替代。
投入产出评估
| 方案 | Flash 日成本 | Flash 日节省 | Flash 年化节省 | Plus 日成本 | Plus 日节省 | Plus 年化节省 | 工程投入 |
|---|---|---|---|---|---|---|---|
| 无优化 | 255.6 元 | 0 | 0 | 426 元 | 0 | 0 | 0 |
| 意图识别（P0+P1） | 14.3 元 | 241.3 元 | ~88,075 元 | 23.8 元 | 402.2 元 | ~146,803 元 | 中 |
| API 缓存（50% 命中） | 186.4 元 | 69.2 元 | ~25,258 元 | 310.7 元 | 115.3 元 | ~42,085 元 | 低 |
| 混合方案（意图识别 + 缓存） | 11.8 元 | 243.8 元 | ~88,987 元 | 19.6 元 | 406.4 元 | ~148,336 元 | 高 |
核心要点
- 意图识别是降本的第一选择：节省 94%，投入产出比远高于缓存
- 缓存是锦上添花：节省 27%，需要满足三个前提条件
- 混合方案最优：先用意图识别过滤，再用缓存优化剩余调用，节省 95%
- 缓存创建费比输入贵 25%：需要命中率 >22% 才能覆盖
- 只要意图识别命中率 > 0，就始终优于缓存
