التخزين المؤقت في Claude: وفّر 90% من تكاليف API
ما هو Prompt Caching؟
ميزة مدفونة في Claude API تخزّن النصوص الطويلة مرة واحدة، وتعيد استخدامها في كل طلب لاحق بدلاً من إرسالها من الصفر. النتيجة: توفير يصل إلى 90% في التكلفة وسرعة أعلى.
لماذا تهمك؟
إذا كنت تبني تطبيقاً يستخدم Claude وعندك system prompt طويل، أو وثائق، أو سياق ثابت — فأنت تدفع ثمنه في كل طلب. هذا مضيعة حقيقية.
الخطوة 1: افهم كيف يعمل
Claude يدعم "cache breakpoints" — نقاط تخبر النموذج: "احفظ كل ما قبل هذه النقطة". في الطلب الأول يُخزَّن السياق. من الطلب الثاني فصاعداً، تدفع فقط 10% من سعر الـ input tokens المخزّنة.
الخطوة 2: أضف cache_control في الكود
في Python SDK:
client.messages.create(
model="claude-opus-4-7",
system=[{
"type": "text",
"text": "أنت مساعد ذكي... [نص طويل]",
"cache_control": {"type": "ephemeral"}
}],
messages=[{"role": "user", "content": "سؤالك هنا"}]
)
السطر الوحيد المضاف: cache_control — هذا كل شيء.
الخطوة 3: اعرف ما يمكن تخزينه
- System prompts الطويلة
- وثائق أو PDFs محوّلة لنص
- أمثلة Few-shot طويلة
- قوائم قواعد أو تعليمات ثابتة
الشرط: المحتوى المخزّن يجب أن يكون 1024 token أو أكثر.
الخطوة 4: راقب النتائج
في الـ response ستجد:
usage.cache_creation_input_tokens — tokens خُزِّنت
usage.cache_read_input_tokens — tokens أُعيد استخدامها (هذه الرخيصة)
متى تتوقع التوفير؟
الطلب الأول: لا توفير (يبني الـ cache)
من الطلب الثاني: توفير فوري
الـ cache يبقى 5 دقائق افتراضياً — مثالي للمحادثات المتتالية.
مثال عملي:
بدون cache: 10,000 token × 100 طلب = مليون token تدفع عنها
مع cache: تدفع مليون token مرة، ثم 10% فقط على الـ 99 طلب الباقية.
التوفير = 90% تقريباً.
من @mabuzant — تابعني للمزيد
--- English ---
Claude Prompt Caching: Cut API Costs by 90%
What Is Prompt Caching?
A buried Claude API feature that stores long context once, then reuses it across subsequent calls instead of resending it every time. Result: up to 90% cost reduction and faster responses.
Why It Matters
If you're building with Claude and have a long system prompt, documents, or fixed context — you're paying full price on every single request. That's wasted money.
Step 1: Understand How It Works
Claude supports cache breakpoints — markers that tell the model: "store everything before this point." First request builds the cache. Every request after pays only 10% of the normal input token price for cached content.
Step 2: Add cache_control to Your Code
In Python SDK:
client.messages.create(
model="claude-opus-4-7",
system=[{
"type": "text",
"text": "You are an assistant... [long text]",
"cache_control": {"type": "ephemeral"}
}],
messages=[{"role": "user", "content": "Your question"}]
)
One added line: cache_control — that's literally it.
Step 3: Know What to Cache
- Long system prompts
- Documents or converted PDFs
- Lengthy few-shot examples
- Fixed rules or instruction lists
Requirement: cached content must be 1024 tokens or more.
Step 4: Monitor Your Savings
In the API response look for:
usage.cache_creation_input_tokens — tokens stored
usage.cache_read_input_tokens — tokens reused (these are cheap)
When to Expect Savings
First request: no savings (builds the cache)
Second request onward: immediate savings
Cache lasts 5 minutes by default — ideal for ongoing conversations.
Real Example:
Without cache: 10,000 tokens × 100 requests = 1M tokens billed
With cache: pay for 1M tokens once, then 10% on the remaining 99 requests.
Savings = roughly 90%.
From @mabuzant — follow for weekly AI content