Kimi 缓存命中优化
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_ae636a66/kimica。
技能介绍
问题从哪来
带 web_search、web_open_url 和 IPython 执行的多轮 Agent,很容易在同一对话里反复搜同一组关键词、重复打开同一 URL,或在回合之间丢掉已算好的中间结果。缓存命中在这里可以理解为:已有信息被复用占「本轮仍需要的信息」的比例;命中低则 Token 和延迟都会虚高,上下文窗口还被重复内容占满。
技能如何约束行为
本技能把「先查上下文再动工具」写成可执行的纪律,而不是抽象原则。
- 上下文感知:任何工具调用前先自检对话历史、
memory_instruction与 IPython 变量里是否已有答案;能直接引用变量就不重算。 - 批处理与去重:同类
web_search合并成少量子主题查询;web_open_url一次传入多个 URL(最多 10 个);拉取数据后先对照是否已缓存再调 API。 - 结构化记忆:从网页/搜索结果里即时提取结论写入变量;复杂计算的分步结果留在 IPython;对用户展示用摘要或指针,不整段重复粘贴。
- 短路路由:能从已有上下文回答则跳过工具;只需增量时只补增量;调用前评估「没有新信息需求则跳过」。
- Token 侧:搜索词控制在 1~6 个关键词;回复不复述已做过的操作步骤。
文末附 检查清单 与 反模式(如多次同关键词搜索、已知答案仍调工具验证),便于在 system/skill 里固化习惯。
适用边界
技能面向「有工具环、有多轮上下文」的 Agent 运行时,不替代具体的业务 RAG 或服务端缓存设计。若你的助手没有持久化对话与 IPython 变量,部分条款需改写成等价规则(例如仅用对话历史去重)。
使用场景
- 同一轮调研里要对多个相似竞品做 web_search,需要把查询合并并避免重复搜相同关键词
- 长对话中已打开过的文档链接再次需要引用,要先读历史与变量而不是再次 web_open_url
- 在 IPython 里做分步数据分析,后续步骤要直接复用中间变量而不是重跑整段计算
- 用户追问细节时,能从上轮摘要与变量回答则跳过工具,只补缺失的增量信息
适合人员
- 自研 Kimi/Moonshot 类 Agent 的工程师,希望降低多轮工具环里的重复搜索与重复开页
- 为带 IPython 的编码助手写 Skill 的提示词工程师,需要可执行的反模式清单
- 运维长会话 Agent 的产品同学,关注上下文被重复粘贴占满时的可维护性
- 评测 Agent 成本与延迟的同学,需要用「上下文复用率」约束回合行为