大语言模型重复调用会重复计费，可通过缓存避免：先对请求、上下文、模型设置等做哈希精确匹配，未命中再用向量相似度语义检索，命中后回填精确缓存。需按场景设阈值和过期时间，实时数据、个性化及创意任务不宜缓存。实测可省约六成调用成本。