在实际开发 AI 应用的过程中，我们经常会遇到重复输入的情况：
- 同一用户多次询问相同的问题
- 刷新页面或误触按钮触发了相同请求
- 不同用户提出了内容高度相似的问题
如果每次都让大模型重新生成响应，不仅效率低下，还会带来不必要的计算成本。为了解决这个问题，我们可以引入“缓存机制”。
启用缓存的好处
- 提升响应速度：重复问题无需重新调用模型，直接命中缓存结果
- 降低调用成本：尤其对于调用远程 LLM（如 GPT-4），可节省大量费用
- 避免冗余请求：减少系统负担，提升整体并发性能
要启用缓存，非常简单，只需要在模型实例中一行代码就可以启用：
import { Ollama } from "@langchain/ollama";const model = new Ollama({model: "llama3",cache: true, // 启用缓存机制
});
课堂练习
-
快速上手案例
-
解决缓存默认使用的哈希算法不够安全的问题
我们在开启缓存的时候，官方会给出提示。未来会更新成更安全的算法。
- 流式输出下想要实现缓存
import { Ollama } from "@langchain/ollama";
import { SecureCache } from "./utils.js";// 创建安全缓存实例
const secureCache = new SecureCache();// 配置模型并启用安全缓存
const model = new Ollama({model: "llama3",cache: secureCache, // 使用自定义的安全缓存stream: true,
});async function callWithStreamAndCache(inputText) {const start = Date.now();const stream = await model.stream(inputText);let fullResponse = "";for await (const chunk of stream) {process.stdout.write(chunk); // 实时打印fullResponse += chunk; // 累积结果，用于缓存比较}const end = Date.now();console.log(`\n⏱️ 本次耗时：${end - start}ms`);return fullResponse;
}// 第一次调用（无缓存）
console.log("\n🎯 第一次调用（无缓存）：");
await callWithStreamAndCache("请用中文介绍一下AI的影响");// 第二次调用（应命中缓存）
console.log("\n\n🎯 第二次调用（命中缓存）：");
await callWithStreamAndCache("请用中文介绍一下AI的影响");
🤔 为什么流式模式下没有命中缓存？
这是因为 LangChain 的默认缓存机制目前只对同步调用接口（如
.invoke()、.predict()）生效。这些方法会在调用前先检查是否存在缓存结果，如果有，就直接返回；否则才会请求模型。而
.stream()方法返回的是一个异步迭代器（AsyncIterable），数据是一块一块地实时生成的。当前在 LangChain.js 的实现中，大多数模型（包括 Ollama）对.stream()并未内建完整的缓存处理逻辑。
课堂练习
综合案例：实现如下特性：
- 流式输出
- 支持缓存
- 内容高度相似的问题也采用缓存的方式
import { Ollama, OllamaEmbeddings } from "@langchain/ollama";
import cosineSimilarity from "cosine-similarity";const model = new Ollama({model: "llama3",stream: true,
});const embeddings = new OllamaEmbeddings({model: "nomic-embed-text",
});const cache = [];async function callLLM(inputText, threshold = 0.7) {const queryEmbedding = await embeddings.embedQuery(inputText);for (const item of cache) {const similarity = cosineSimilarity(queryEmbedding, item.embedding);if (similarity >= threshold) {process.stdout.write(item.response);return;}}const stream = await model.stream(inputText);let fullResponse = "";for await (const chunk of stream) {process.stdout.write(chunk);fullResponse += chunk;}cache.push({input: inputText,embedding: queryEmbedding,response: fullResponse,});
}// 第一次调用（无缓存）
console.log("\n🎯 第一次调用（无缓存）：");
await callLLM("请用中文介绍一下AI的影响，最多200字");// 第二次调用（应命中缓存）
console.log("\n\n🎯 第二次调用（命中缓存）：");
await callLLM("请用中文介绍一下AI时代的影响，最多200字");