Claude-thermos：保持Claude会话缓存温暖，节省约20%费用

停止为重建Claude Code缓存付费。当您的主智能体等待子智能体超过5分钟时，其提示缓存会悄然过期，下一轮对话将以写入速率重新编码整个对话，而不是以低价从缓存读取。在涉及多个子智能体的长会话中，这大约占您账单的20%。

claude-thermos 保持缓存温暖，让您永远不必支付这笔额外费用。像平常一样运行Claude Code，但通过 claude-thermos 和 uvx：uvx claude-thermos # 代替：

claudeuvx claude-thermos -p "修复bug" # 任何claude参数直接传递需要Python 3.11+ 以及 PATH 中的 claude CLI。仅此而已。预热在后台自动运行。

要禁用它而不更改命令，设置 CLAUDE_WARMER_DISABLE=1。调优（全部可选）：Claude Code的提示缓存使用5分钟TTL。每次对话，只要缓存存活，整个对话历史就会以输入价格的0.1倍从缓存提供，而不是以全价重新发送。

如果同一前缀的请求间隔超过5分钟，缓存就会过期。造成这种间隔的主要触发因素不是您的思考时间，而是主智能体被运行超过5分钟的子智能体阻塞。子智能体有不同的系统提示词和工具集，因此其请求有不同的缓存前缀，永远不会刷新主智能体的缓存。

当子智能体工作时，主智能体的缓存历史未被触及；超过5分钟就消失了。

当子智能体返回时，主智能体恢复一个字节相同、仅追加的历史记录，却发现缓存丢失，被迫以1.25倍的写入速率进行完全重编码。此时历史记录已经很大，因此重编码代价高昂：单次重写20万到50万token。

在大约185个本地会话中测量，这些重建占总账单的约22%，这些钱花在了重新编码刚刚缓存过的内容上。claude-thermos 在一个小型本地反向代理后启动Claude Code（它将 ANTHROPIC_BASE_URL 指向一个回环端口；

所有流量仍然流向真正的Anthropic API）。- 观察。代理监控 /v1/messages 流量，并将其分组为会话和谱系（lineage），一个谱系对应一个缓存前缀，由模型+工具集+系统文本键控。

第一个带有工具的谱系是主智能体；其余是子智能体。- 检测危险窗口。当主谱系空闲且子智能体正在运行时，主前缀有过期风险。- 预热。在5分钟TTL内的间隔，它将主智能体的最后一个真实请求作为预热请求重放：相同的可缓存前缀，但 max_tokens: 1 且不流式传输。

单个token被丢弃；重点是预填充，它读取并刷新完整的缓存前缀。预热请求直接发送到API，从不经过代理，因此不会干扰真实流量。- 结果。当子智能体完成时，主智能体的缓存仍然温暖。

它支付廉价的读取而不是完全重写。每次预热花费一次缓存读取（0.1倍）；它阻止的每次重写本应花费一次写入（1.25倍）在更大的前缀上，因此这笔交易对您非常有利。

每个会话写入：~/.claude-thermos/logs/<session_id>/├── events.jsonl # 仅追加的结构化事件流└── summary.json # 汇总总数，

在会话结束时写入events.jsonl 记录每个请求/响应的token使用情况以及每个预热决策（warm_fired,warm_result,cap_reached,resume_detected 等）。

summary.json 是您通常读取的汇总：所有三个成本数字均以基础输入token单位（token计数已按其缓存乘数加权）。

要将 net_savings 转换为美元，乘以您模型每个输入token的价格：节省的美元 ≈ net_savings × (输入token价格)例如，输入价格为每百万token 3美元，net_savings 为1,200,000，则约为1,200,

000 × 3 / 1,000,000 = 3.60美元，该会话节省了这么多。