cache是基于prompt的缓存？

[ArachisTong]

看了一遍文章，没理解这块缓存是怎么优化的；
问题1.缓存是针对query，还是针对的prompt？
问题2:faiss中存的向量是历史的query吗？如果是的话对于那些同query会时间更新改变answer的case又是如何处理的？比如同样问现在几点了，模型每次都应该再算一次吧
问题3:下图这个分支是如何理解？能给个例子吗

[Hongen Peng]

感谢关注ModelCache项目，下面是针对上述问题的逐条回复：

问题1:

Cache会同时缓存query和prompt(如果存在), 在多轮对话中甚至会缓存LLM的回答(因为对话存在连续性)。

问题2:

对于“现在几点了？”这样的问题，大模型不会直接回答，举例：

• GPT4_Turbo_128K的回复为：抱歉，作为一个AI模型，我无法提供实时的日期和时间信息。要获取当前的时间，请查看您的设备（电脑、手机等）上的时钟功能，或者使用操作系统提供的时间查询服务。
• GPT3.5_Turbo的回复为：抱歉，作为一个人工智能，我无法提供实时时间。您可以查看您的电子设备或者手表来获取当前时间。祝您有美好的一天！如果您还有其他问题，我很乐意帮助您。

因此，Cache不会影响回答效果，如果在你的项目中使用了tools api来解决此类问题，调整Cache的位置（例如：Cache能力放在时钟tools后），也不会产生影响。

问题3:

考虑到向量数据库特点和检索性能等因素，将query-result pairs中的result存储到关系数据库（OceanBase，也可以是mysql、sqlite等），以code场景为例：

• query：“使用python实现快速排序”
• result：“在Python中实现快速排序的一种方法如下:\n def quicksort(arr): ...（代码省略）”

关系数据库中存储的是result内容，当新的用户query与缓存的query一致或相似时，会从关系数据库中检索到对应的result，直接返回给用户，而无需调用大模型，从而节省推理资源并提升响应速度。