固定推理档位，避免上下文缓存失效

是什么 这是一条关于 Agent 使用成本与上下文缓存机制的实践观点。作者观察到，用户常在规划阶段使用较高 reasoning effort，在实现阶段切换到较低档位，但这种切换可能改变上下文开头的指令前缀，从而降低前缀缓存命中率。

核心机制 如果底层模型服务按完整前缀或关键前缀进行缓存，reasoning effort 被写入上下文起始位置时，high 与 low 就不只是参数变化，也可能形成两套不同的缓存键。缓存失效会增加实际推理量、延迟或额度消耗。因此，推文建议一个会话固定一个档位，需要换档时新开线程，或把低成本的实现任务委派给 Luna 子代理。

关键洞察 它把模型选择从单次调用优化提升为会话级架构决策：规划、实现和委派应按稳定的上下文边界组织，而不是频繁调整同一线程的推理预算。这样既保留高档位规划的质量，也能控制实现阶段的成本。

边界与风险 缓存规则、reasoning effort 的注入位置和计费方式取决于具体模型平台，原文没有提供测量数据，不能据此断言所有服务都会失效。新线程也会损失部分上下文连续性，子代理还可能引入交接成本、需求误解与结果复核负担。实践中应结合命中率、延迟、额度和返工率做小规模对照测试。