一天省 60 刀：DeepSeek-Reasonix 把缓存命中率干到 99.82%

用 DeepSeek API 写代码，你以为最贵的是模型调用？错。最贵的是重复发送同样的上下文。

一个正常编程 session 里，系统提示词、工具定义、历史对话这些内容占了 90% 以上的 token，而且每次请求几乎一模一样。DeepSeek 提供了前缀缓存——命中时价格是正常输入的 10%。但问题是：大多数 Agent 框架的缓存命中率只有 20-60%，因为它们的循环设计会不断破坏前缀字节对齐。

DeepSeek-Reasonix 干了一件狠事：把整个 Agent 循环围绕缓存稳定性重新设计。结果？真实用户单日 4.35 亿输入 token，99.82% 缓存命中，花费 $1.38——没有缓存的话是 $61。

13,644 Stars，790 Forks，MIT 协议，TypeScript 实现。

本文提纲

1. 为什么缓存命中率是 Coding Agent 的命脉
2. 三根支柱：缓存优先循环、工具调用修复、成本控制
3. 99.82% 命中率是怎么做到的
4. 工具调用修复：应对 DeepSeek 的四个故障模式
5. 成本控制：从 Flash 到 Pro 的分层策略
6. 上手体验：五分钟跑起来

为什么缓存命中率是 Coding Agent 的命脉

先算一笔账。DeepSeek v4-flash 的定价（每百万 token）：

类型	价格
输入（缓存未命中）	$0.14
输入（缓存命中）	$0.0028
输出	$0.28

缓存命中时，输入成本降了 50 倍。一个长 session 动辄上亿输入 token，命中率的差别就是 $1 和 $60 的差别。

DeepSeek 的前缀缓存机制有一个硬性要求：请求的字节前缀必须和上一次请求完全一致。差一个字节，缓存就失效。

大多数 Agent 框架在循环中会做这些事：

• 重新排列历史消息
• 动态修改系统提示词（注入时间戳、计数器等）
• 在对话中内联工具结果，改变前缀结构
• 每次请求重新序列化工具定义

每一个操作都会破坏前缀字节对齐，缓存命中率直线下降。

三根支柱：缓存优先循环、工具调用修复、成本控制

Reasonix 的架构围绕三根支柱构建，每一根都解决通用 Agent 框架根本没注意到的问题：

graph TB
    subgraph ReasonixArchitecture
        P1["Pillar 1
Cache-First Loop
Immutable prefix design"]
        P2["Pillar 2
Tool-Call Repair
4-pass error recovery"]
        P3["Pillar 3
Cost Control
Flash-first tiering"]
    end
    P1 -->|stable prefix| P2
    P2 -->|clean calls| P3
    P3 -->|low cost| GOAL["Leave-it-running agent"]

Pillar 1 — 缓存优先循环

Reasonix 把上下文分成三个区域：

┌─────────────────────────────────────────┐
│ IMMUTABLE PREFIX                        │ ← session 内固定不变
│   system + tool_specs + few_shots        │   缓存命中候选
├─────────────────────────────────────────┤
│ APPEND-ONLY LOG                         │ ← 单调增长
│   [assistant₁][tool₁][assistant₂]...    │   保持之前 turn 的前缀
├─────────────────────────────────────────┤
│ VOLATILE SCRATCH                        │ ← 每 turn 重置
│   R1 thought, transient plan state      │   永远不发送上游
└─────────────────────────────────────────┘

三条不变量：

1. 前缀只算一次，计算后哈希并锁定，session 内不再变
2. 日志只追加，不重写、不重排
3. 临时草稿独立存储，通过 Pillar 2 提炼后才折叠进日志

当上下文接近上限时，Reasonix 不会重写已有内容——而是把旧 turn 摘要成一条新消息追加到前缀后面。前缀本身不变，缓存照常命中。

99.82% 命中率是怎么做到的

这不是理论数字，是真实用户 2026-05-01 的 DeepSeek 后台截图：

指标	数值
缓存命中 token	435,033,856
缓存未命中 token	767,616
缓存命中率	99.82%
当日实际花费	$1.38（v4-flash）
无缓存同等负载	$61.06

对比其他客户端的典型命中率：

• DeepSeek 官方网页聊天：60-80%（单对话内），新 session 归零
• Cherry Studio / Open WebUI 等通用 SDK：30-60%
• Cline / Continue 等 XML 工具调用客户端：更低（工具结果内联到对话，移位字节）

Reasonix 的 99.82% 来自四个设计决策的叠加效果：

1. ImmutablePrefix — 系统提示词 + 工具规格在 session 启动时冻结
2. AppendOnlyLog — turn 只追加，不重排不编辑
3. VolatileScratch — 思维链和临时状态放在缓存前缀之外
4. Auto-compact — 上下文溢出时折叠旧 turn，但不修改前缀

这四个机制各守一个防线，缺一个都达不到这个数字。

工具调用修复：应对 DeepSeek 的四个故障模式

DeepSeek 模型在工具调用上有一些经验性的故障模式。Reasonix 没有假装它们不存在，而是为每种模式建了专门的修复管线：

Pass 1 — flatten（扁平化）

参数超过 10 个或嵌套深度超过 2 层时，DeepSeek 容易丢参数。flatten 自动检测复杂 schema，把参数展开成点分 notation 给模型看，调用时再重新嵌套回去。

Pass 2 — scavenge（回收）

有时候 DeepSeek 会把工具调用的 JSON 写在 reasoning_content（思维过程）里，但忘记在最终消息中输出。scavenge 用正则 + JSON 解析器扫描思维过程，把遗漏的工具调用捡回来。

Pass 3 — truncation（截断修复）

max_tokens 限制导致 JSON 输出被截断。truncation 检测不平衡的 JSON，尝试自动闭合括号，或者请求一个续写补全。

Pass 4 — storm（风暴抑制）

同一 (tool, args) 在滑动窗口内重复出现——模型反复调用同一个工具。storm 直接抑制重复调用，注入一条反思 turn 让模型换个方向。

这四个 pass 串联运行，每 pass 独立处理自己的故障模式。它们不是可选优化——是 Reasonix 循环的固定环节。

成本控制：从 Flash 到 Pro 的分层策略

Reasonix v0.6 引入了完整的成本控制体系。核心思路：大部分 turn 不需要最强模型。

三档预设

预设	模型	适用场景	成本倍率
flash	v4-flash	日常编码	1×
auto（默认）	flash → 按需升级 pro	混合场景	1-3×
pro	v4-pro	复杂推理	~12×

默认 auto 模式下，大部分 turn 跑 flash，遇到困难 turn 自动升级到 pro。所有辅助调用（摘要、子 agent、截断修复重试）强制使用 flash，没有理由用 pro 价格跑"把工具结果改写成自然语言"这种任务。

模型自我升级

模型自己判断当前任务是否超出自己的能力范围。如果 flash 模型觉得这个任务需要更强的推理，它会在回复的第一行输出 <<<NEEDS_PRO>>> 标记。系统立即中止当前 flash 调用，用 pro 重跑这个 turn。

没有失败计数器，没有工具错误统计，纯粹靠模型自省。简单直接。

Turn 级自动压缩

每个工具结果超过 3000 token 的，在 turn 结束时自动压缩到这个上限。模型在当前 turn 看到完整内容，后续 turn 只看到摘要。如果后续需要细节，多一次 read_file 调用比把 12KB 拖进每个未来 prompt 便宜得多。

上手体验：五分钟跑起来

# 安装（Node >= 22）
npm install -g reasonix

# 进入项目目录，启动
cd my-project
reasonix code

首次运行会要求粘贴 DeepSeek API Key。之后自动记住。

不想全局安装的话：

npx reasonix code   # 一次性运行，总是最新版

核心命令

命令	用途
reasonix code [dir]	编码 Agent，挂载文件系统和 Shell 工具
reasonix chat	纯聊天，不碰磁盘
reasonix run "task"	一次性执行，输出到 stdout
reasonix doctor	环境检查：Node、API Key、MCP

内建能力

• SEARCH/REPLACE 编辑：Agent 提出修改建议，/apply 后才落盘
• MCP 支持：stdio + SSE + Streamable HTTP
• Skills 系统：Markdown 格式的可复用剧本，支持 subagent 隔离执行
• Memory：用户私有知识钉入前缀，跨 session 保持
• Hooks：生命周期事件触发 Shell 命令
• Web 搜索：支持 Bing、百度、SearXNG、Tavily 等 8 种引擎
• QQ 通道：把现有 session 延伸到 QQ，远程交互
• 桌面客户端：Tauri 原生 GUI（预发布阶段）

与同类工具对比

特性	Reasonix	Claude Code	Cursor	Aider
后端	DeepSeek	Anthropic	OpenAI/Anthropic	任意（OpenRouter）
协议	MIT	闭源	闭源	Apache 2
DeepSeek 前缀缓存	深度优化	不适用	不适用	偶发命中
单任务成本	低	高	订阅+用量	取决于模型
内建 Web Dashboard	有	无	N/A	无

Reasonix 有意不支持多后端——绑定 DeepSeek 是特性不是限制。只有绑定一个后端，才能把缓存优化到极致。

---

作者: itech001 来源: 公众号：AI人工智能时代 网站: https://www.theaiera.cn/ 每日分享最前沿的AI新闻资讯和技术研究。

本文首发于 AI人工智能时代，转载请注明出处。