在AI应用中，缓存机制的经济价值不仅节省Token成本，还能消除用户等待焦虑、提升系统吞吐量、保障服务稳定性------这才是企业级应用的真正痛点。
当用户提出一个常见问题时，首次调用大模型需要经历网络传输、排队等待、模型推理等完整链路，响应时间通常在1至3秒。这个时长已超过人类对"流畅交互"的心理阈值（200毫秒），用户会明显感知到"卡顿"和"等待焦虑"。而启用缓存后，相同问题的后续请求直接从本地数据库读取结果，响应时间骤降至10毫秒以内------这种"无感秒回"的体验，让用户感觉系统始终在线、反应迅捷，极大提升了产品专业度和信任感。
下面看看这段代码，就能清晰的体现使用缓存后能提升的用户体验。（同一个问题问大模型三次，第一次没有缓存，后两次有缓存）
import os
import time
from langchain_community.cache import SQLiteCache
from langchain_openai import ChatOpenAI
from langchain.globals import set_llm_cache, get_llm_cache
# ========== 1. 清理旧缓存（确保演示纯净）==========
CACHE_DB = "langchain_demo.db"
if os.path.exists(CACHE_DB):
os.remove(CACHE_DB)
print(f" 已清理旧缓存: {CACHE_DB}")
# ========== 2. 启用缓存 ==========
set_llm_cache(SQLiteCache(database_path=CACHE_DB))
print(f" 缓存已启用: {get_llm_cache()}\n")
# ========== 3. 配置 LLM ==========
llm = ChatOpenAI(
api_key=os.getenv("DEEPSEEK_API_KEY"),
base_url=os.getenv("DEEP_URL"), # Deepseek 的 API 基础地址
model="deepseek-v3:671b", # Deepseek 对话模型（可选：deepseek-chat-pro 等高级模型）
temperature=0.7, # 温度参数（0-1，越低越稳定）
max_tokens=1024 # 最大生成 tokens
)
# ========== 4. 核心演示函数 ==========
def demonstrate_cache_effect(query: str, repeat: int = 3):
"""
演示缓存效果：首次调用（慢） vs 后续调用（快）
Args:
query: 要提问的问题
repeat: 重复调用次数（第1次未缓存，后续应命中缓存）
"""
print("=" * 60)
print(f" 测试问题: \"{query}\"")
print(f" 将重复调用 {repeat} 次（第1次无缓存，后续应命中缓存）")
print("=" * 60 + "\n")
durations = []
for i in range(repeat):
print(f"\n[第 {i + 1} 次调用]")
start = time.perf_counter() # 高精度计时
# 关键：使用完全相同的输入触发缓存
response = llm.invoke(query)
duration = (time.perf_counter() - start) * 1000 # 转为毫秒
durations.append(duration)
# 判断是否命中缓存（通过耗时阈值粗略判断）
is_cached = i > 0 # 首次通常 >500ms，缓存通常 <50ms
if i > 0:
print('缓存命中,耗时：'+str(duration))
else:
print('真实请求,耗时：'+str(duration))
print(f" 回答: {response.content[:60]}...")
# ========== 5. 执行演示 ==========
if __name__ == "__main__":
# 测试标准问题（确保完全相同的字符串）
demonstrate_cache_effect("太阳系哪个行星最大？", repeat=3)运行结果：
已清理旧缓存: langchain_demo.db
缓存已启用: <langchain_community.cache.SQLiteCache object at 0x000001D668B50410>
============================================================
测试问题: "太阳系哪个行星最大？"
将重复调用 3 次（第1次无缓存，后续应命中缓存）
============================================================
第 1 次调用
真实请求,耗时：17445.118000000093
回答: 太阳系中最大的行星是**木星**。以下是关于木星的一些关键信息：
木星的基本特征：
- **体积与质量** ...
第 2 次调用
缓存命中,耗时：410.93799999998737
回答: 太阳系中最大的行星是**木星**。以下是关于木星的一些关键信息：
木星的基本特征：
- **体积与质量** ...
第 3 次调用
缓存命中,耗时：1.475199999731558
回答: 太阳系中最大的行星是**木星**。以下是关于木星的一些关键信息：
木星的基本特征：
- **体积与质量** ...
结论：从时间消耗上看，缓存命中几何倍数的缩短了用户等待时间，提升了用户的使用体验。