Anthropic 长上下文怎么用：整本手册塞进提示词，靠 Prompt Caching 省 90% 成本

Q: 长上下文会取代 RAG 吗？

不会完全取代。500 页以内直接塞提示词最省事；超出就上 RAG，或两者结合（先 RAG 召回再放进长上下文精读）。

Q: 缓存为什么有时没命中？

前缀不一致（系统指令/手册放在会变的位置）、或两次请求间隔超过 TTL。确保稳定前缀 + 合理 TTL。

云上的幻象2026-09-224 分钟阅读1,422 字00

100%

Anthropic 长上下文怎么用：整本手册塞进提示词，靠 Prompt Caching 省 90% 成本

一句话结论

Claude 的长上下文窗口（最高可达 20 万–100 万 token）让你能把整本产品手册、整个代码库或长文档直接放进提示词；再配合 Prompt Caching 把不变的长上下文缓存起来，长文档处理的成本最高降 90%、延迟降 85%——这是 RAG 之外更简单的知识注入方案。

什么时候用长上下文，而不是 RAG

Anthropic 的经验法则：当知识库小于约 20 万 token（约 500 页）时，直接整库放进提示词即可，无需 RAG 。知识更大再上 RAG。长上下文 + 缓存的组合，既简单又便宜。

缓存命中的前提是「前缀稳定」。把不变的手册/系统指令放在请求最前面，变的部分（用户问题）放后面，才能复用到缓存。

Prompt Caching 怎么省钱

缓存档位	省钱幅度	适用
标准 5 分钟 TTL	长提示成本降最高 90%	多轮对话、短会话
扩展 1 小时 TTL	延迟降最高 85%	长时运行 agent 工作流

调用示例（Python）

import anthropic
client = anthropic.Anthropic()
resp = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=1024,
    system=[{
        "type": "text",
        "text": open("handbook.txt").read(),        # 整本手册
        "cache_control": {"type": "ephemeral"}      # 标记为可缓存前缀
    }],
    messages=[{"role": "user", "content": "第 3 章的退货流程是什么？"}]
)

长上下文下提示词怎么写更有效？

Claude 在超长文档里偶尔”犹豫”不敢答。给一句引导如「最相关的句子是：」能显著提升长上下文抽取准确率（官方实测从 27% 提升到 98%）。更多写法见 Anthropic 提示词工程。