К посту про кэш в LLM API подъехала новая порция полезностей, не пройти мимо. Сергей выложил пачку статей на тему кэша в AI приложениях, я же хочу подсветить sernote/audit-prompt-caching - в этом репо Skill, который вы запускаете в своем проекте и агент проходится по реальному коду: проверяет шаблоны промптов, сборку tools и схемы, логику истории, конфиги роутинга, специфичные для провайдеров особенности (OpenAI / Anthropic / OpenRouter / vLLM). Включая пачку полезных скриптов, например статический анализатор истории LLM вызовов - что сделать чтобы улучшить попадание в кэш (= сделать AI приложение дешевле и быстрее). Установка: npx skills add https://github.com/sernote/audit-prompt-caching --skill audit-prompt-caching Даже просто прочитать references в репо - там краткие выжимки по каждому провайдеру со ссылками на актуальную доку. Полезность, короче.