工具结果缓存

复用符合资源版本和时效约束的读工具结果。

工具结果缓存适合有清楚时效和资源版本的读操作。历史财报、当前行情、余额、合同状态和课程资料具有不同变化速度，不能共用一个TTL。缓存减少外部延迟和费用，但也可能把旧状态带入高风险决策。

缓存键应表达工具版本、规范化参数、主体范围、资源版本与数据时间。结果保存生成时间、来源和有效期，让调用方知道能否复用。对于会计数据，还要区分原始披露、追溯修订和读取时点；同一公司同一季度不一定永远只有一个值。

写操作通常不应当成普通读缓存。重复提交同一动作依赖业务幂等和receipt，而非把上次HTTP响应放进缓存就结束。模型请求修改同一记录但参数不同，是新候选动作；不能因为命中旧响应而隐去变化。未知结果也不能缓存成成功。

高风险commit前重新读取业务状态，例如报价是否仍有效、目标记录版本是否匹配、审批是否过期。工具网关执行当前权限检查，cache hit不提供额外授权。凭证scope变化、资源删除和owner变化也应触发失效。

可以把纯计算缓存与外部查询分开。确定性计算的输入包含数据hash、公式和代码版本，适合长期复用；动态业务查询需要更短窗口和read-back。保存可复算产物，便于判断缓存结果来自哪个口径，而不是只看到一个数字。

测试TTL边界、资源更新、权限撤回、并发读写和提交前版本变化。优化收益看外部请求减少、完成时间和验收质量；陈旧结果导致的人工返工也计入成本。缓存必须有明确owner和失效接口，否则会成为难以诊断的第二份业务数据库。

实践重点：按资源、参数、数据版本与TTL区分行情、历史报表、余额等。

验证抓手：检验版本变化、TTL过期和提交前重新读。

常见误区：高风险提交前使用陈旧状态，或缓存有副作用操作。

Temporal：执行状态与外部副作用；OpenAI：Latency optimization。