---
title: "کیشنگ کے لیے پرامپٹ کی ساخت: مستحکم پری فکس | BroadRouter"
description: "LLM پرامپٹس کو ایسے ترتیب دیں کہ کیش شدہ پری فکس یکساں رہے: سسٹم پرامپٹ، ٹول اسکیما، دستاویزات، صرف آگے جڑتی ہسٹری، اور اسے ثابت کرنے والا ٹیسٹ۔"
url: https://broadrouter.com/ur/blog/prompt-structure-for-caching/
lang: ur
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/blog/prompt-structure-for-caching/) (اپ ڈیٹ: 2026-11-16).

# پرامپٹ کی ساخت کیسے بنائیں تاکہ پری فکس کیش ہو

BroadNet Inference ٹیم · 4 منٹ کی پڑھائی · شائع شدہ 2026-11-14 · اپ ڈیٹ 2026-11-16

ہر درخواست کو سب سے مستحکم سے سب سے کم مستحکم ترتیب میں رکھیں: سسٹم پرامپٹ، ٹول ڈیفینیشنز، حوالہ جاتی دستاویزات، گفتگو کی ہسٹری، پھر نیا پیغام۔ ہر تہ کو کالز کے بیچ بائٹ بہ بائٹ یکساں رکھیں: اوپر کوئی ٹائم اسٹیمپ یا ID نہیں، ٹولز ترتیب میں، JSON ایک مقررہ طریقے سے سیریلائز، اور ہسٹری میں صرف اضافہ۔ پھر cached\_tokens ناپ کر تصدیق کریں کہ پری فکس واقعی دوبارہ استعمال ہو رہا ہے۔

## اہم نکات

-   کیش عین پری فکس سے میچ کرتا ہے۔ ایک بدلا ہوا بائٹ اس کے بعد کا سب کچھ کالعدم کر دیتا ہے، اس لیے تہوں کی ترتیب ان کے سائز سے زیادہ اہم ہے۔
-   چار تہیں، سب سے مستحکم پہلے: سسٹم پرامپٹ، ٹولز، دستاویزات، ہسٹری۔ صارف کا نیا ٹرن آخر میں۔
-   ٹولز اور JSON دستاویزات کو ترتیب شدہ keys اور مقررہ سیپریٹرز کے ساتھ سیریلائز کریں؛ ڈکشنری کی ترتیب خاموشی سے کیش توڑتی ہے۔
-   ٹول ڈیفینیشنز ہٹانے کے بجائے ہر کال پر tool\_choice سے ٹولز محدود کریں۔
-   ٹیسٹ کریں: وہی پری فکس دو بار بھیجیں اور جانچیں کہ دوسری کال پر prompt\_tokens\_details.cached\_tokens بڑھتا ہے۔

**اس صفحے پر**

1.  پرامپٹ کی ترتیب کیش ہٹ ریٹ کیوں طے کرتی ہے؟
2.  تہوں کی درست ترتیب کیا ہے؟
3.  کون سی چیزیں پتا چلے بغیر پری فکس توڑ دیتی ہیں؟
4.  کوڈ میں کیش کے موافق درخواست کیسے بنائیں؟
5.  کیسے ثابت کریں کہ پری فکس کیش ہو رہا ہے؟
6.  ایجنٹس اور لمبے کانٹیکسٹ کے لیے اس میں کیا بدلتا ہے؟
7.  BroadNet Inference کہاں فٹ ہوتا ہے

[کیش شدہ ان پٹ ٹوکن](https://broadrouter.com/ur/glossary/cached-input-tokens/) سستے ہوتے ہیں، اور BroadNet Inference پر DeepSeek V4.1 Flash انہیں $0.175 کی جگہ $0.0055 فی 1M پر بل کرتا ہے۔ [کیش شدہ ٹوکنز کی وضاحت](https://broadrouter.com/ur/blog/cached-input-tokens-explained/) قیمت اور usage فیلڈ پڑھنے کا طریقہ بتاتی ہے۔ یہ پوسٹ ڈیزائن کے کام کے بارے میں ہے: پرامپٹ کو کیسے ترتیب دیں کہ کیش واقعی ہٹ ہو، اور اسے کیسے ثابت کریں۔

## پرامپٹ کی ترتیب کیش ہٹ ریٹ کیوں طے کرتی ہے؟

ہر بڑا فراہم کنندہ **پری فکس** کی بنیاد پر کیش کرتا ہے۔ OpenAI کی گائیڈ کہتی ہے کہ دوبارہ استعمال کے لیے پورا رینڈر شدہ پری فکس میچ ہونا چاہیے۔ DeepSeek کی دستاویزات یہی اصول بتاتی ہیں: درخواست تبھی ہٹ ہوتی ہے جب وہ محفوظ شدہ پری فکس سے مکمل میچ کرے، اور جو بیچ میں الگ ہو جائے وہ ہٹ نہیں ہوتی۔ Anthropic اپنا کیش ٹولز، سسٹم، پیغامات کی ترتیب میں بناتا ہے۔

اندر سے سرور اس پری فکس کے لیے بنایا گیا [KV کیش](https://broadrouter.com/ur/glossary/kv-cache/) دوبارہ استعمال کرتا ہے۔ اس لیے کیش پہلے ٹوکن سے ایک سیدھی لکیر ہے۔ پچھلی کال سے مختلف پہلا بائٹ دوبارہ استعمال ہونے والے حصے کو ختم کر دیتا ہے۔ 50,000 ٹوکن کے پرامپٹ کے اوپر ایک لائن کا ٹائم اسٹیمپ آپ سے تمام 50,000 ٹوکن پوری قیمت پر وصول کرواتا ہے۔

## تہوں کی درست ترتیب کیا ہے؟

| تہ | کب بدلتی ہے | مثال | اصول |
| --- | --- | --- | --- |
| 1\. سسٹم پرامپٹ | ہر ڈیپلائے پر | کردار، اصول، آؤٹ پٹ فارمیٹ | کوئی تاریخ، ID، صارف کا نام نہیں |
| 2\. ٹول ڈیفینیشنز | ہر ڈیپلائے پر | فنکشن اسکیما | ترتیب شدہ، مقررہ طریقے والا JSON |
| 3\. حوالہ جاتی مواد | ہر سیشن یا ٹاسک پر | ریپوزیٹری فائلیں، معاہدے، پروڈکٹ دستاویزات | مقررہ ترتیب، مستحکم لیبلز |
| 4\. گفتگو کی ہسٹری | ہر ٹرن پر، صرف اضافہ | صارف اور اسسٹنٹ کے پچھلے ٹرنز | کبھی ترمیم نہیں؛ صرف اضافہ |
| 5\. نیا پیغام | ہر کال پر | سوال، اور ضرورت ہو تو موجودہ وقت | بدلنے والا ڈیٹا یہاں جاتا ہے |

جو کچھ بھی بدلتا ہے وہ تہ 5 میں جاتا ہے: آج کی تاریخ، صارف کا لوکیل، درخواست ID، ہر سوال پر مختلف بازیافت شدہ ٹکڑے۔

## کون سی چیزیں پتا چلے بغیر پری فکس توڑ دیتی ہیں؟

1.  **ڈکشنری کی ترتیب۔** فریم ورکس اکثر `tools` array کو کسی dict یا رجسٹری سے بناتے ہیں۔ اگر پلگ انز مختلف ترتیب میں لوڈ ہوں تو بائٹس بدل جاتے ہیں۔
2.  **JSON فارمیٹنگ۔** `json.dumps(x)` اور `json.dumps(x, indent=2)` مختلف پری فکس ہیں۔ مختلف key ترتیب والے دو سیریلائزرز بھی۔
3.  **ٹیمپلیٹ کی خالی جگہ۔** آخر میں ایک اسپیس، یا ایک کوڈ پاتھ سے `\r\n` اور دوسرے سے `\n`۔
4.  **بدلتی ٹول فہرست۔** جو ٹولز صارف استعمال نہیں کر سکتا، انہیں ہٹانے سے پری فکس بدلتا ہے۔ OpenAI کی گائیڈ ڈیفینیشنز مستحکم رکھنے اور `tool_choice` یا allowed-tools سیٹنگ سے استعمال محدود کرنے کا مشورہ دیتی ہے۔
5.  **ہسٹری کا اسی جگہ خلاصہ۔** پرانے ٹرنز کو خلاصے میں دوبارہ لکھنے سے سسٹم پرامپٹ کے بعد کا سب کچھ ری سیٹ ہو جاتا ہے۔ خلاصہ کبھی کبھار اور بڑے قدموں میں بنائیں۔
6.  **ہدایات سے پہلے بازیافت۔** سسٹم پرامپٹ اور ٹولز کے بیچ رکھے RAG ٹکڑے ہر کوئری پر مختلف ہوتے ہیں اور ٹولز والی تہ بھی توڑ دیتے ہیں۔

## کوڈ میں کیش کے موافق درخواست کیسے بنائیں؟

ہر تہ کو صرف مستحکم ان پٹس کا فنکشن بنائیں، اور مقررہ طریقے سے سیریلائز کریں:

```python
import json, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

SYSTEM = open("prompts/system.md").read()  # versioned file, no templating

def stable_tools(registry: dict) -> list:
    # Sort by name, sort keys inside each schema.
    return [json.loads(json.dumps(registry[name], sort_keys=True)) for name in sorted(registry)]

def docs_block(paths: list[str]) -> str:
    parts = [f"=== {p} ===\n{open(p).read()}" for p in sorted(paths)]
    return "\n\n".join(parts)

def build_messages(history: list, user_text: str, now_iso: str, doc_paths: list[str]):
    return (
        [{"role": "system", "content": SYSTEM},
         {"role": "user", "content": docs_block(doc_paths)}]
        + history                                   # append-only
        + [{"role": "user", "content": f"(now: {now_iso})\n{user_text}"}]
    )

resp = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=build_messages(history, question, now_iso, files),
    tools=stable_tools(TOOLS),
)
history += [{"role": "user", "content": question}, resp.choices[0].message.model_dump(exclude_none=True)]
```

دو باتیں۔ موجودہ وقت آخری پیغام میں جاتا ہے، سسٹم پرامپٹ میں نہیں۔ اور ہسٹری اسسٹنٹ کا پیغام بالکل ویسا ہی محفوظ کرتی ہے جیسا لوٹا تھا، تاکہ اگلی کال ہوبہو وہی بائٹس دوبارہ بھیجے۔

## کیسے ثابت کریں کہ پری فکس کیش ہو رہا ہے؟

CI یا نوٹ بک میں دو کالز والا ٹیسٹ چلائیں:

1.  اپنے اصل سسٹم پرامپٹ، ٹولز اور دستاویزات کے ساتھ ایک درخواست بنائیں۔
2.  اسے بھیجیں۔ `usage.prompt_tokens` نوٹ کریں۔
3.  صرف آخری صارف پیغام بدلیں اور پھر بھیجیں۔
4.  دوسری کال پر `usage.prompt_tokens_details.cached_tokens` پڑھیں۔ اسے مشترکہ پری فکس کا تقریباً پورا حصہ کور کرنا چاہیے۔
5.  اگر یہ صفر یا چھوٹا ہے تو سیریلائز شدہ درخواست باڈیز کا بائٹ بہ بائٹ ڈِف نکالیں۔ پہلا فرق ہی آپ کا کیش توڑنے والا ہے۔

زیادہ تر فراہم کنندگان پر کیشنگ بہترین کوشش کی بنیاد پر ہے، اور DeepSeek کی دستاویزات یہ براہِ راست کہتی ہیں، اس لیے ایک اکیلا مِس بگ کا ثبوت نہیں۔ مسلسل مِس ہے۔ اپنے [usage لاگز](https://broadrouter.com/ur/blog/llm-api-usage-logging/) میں ہر درخواست پر کیش شدہ اور پرامپٹ ٹوکنز کا تناسب ٹریک کریں، اور [پرامپٹ کیشنگ کیلکولیٹر](https://broadrouter.com/tools/prompt-caching-calculator/) سے دیکھیں کہ اونچا ہٹ ریٹ کتنا بچاتا ہے۔

## ایجنٹس اور لمبے کانٹیکسٹ کے لیے اس میں کیا بدلتا ہے؟

ایجنٹس کو سب سے زیادہ فائدہ ہوتا ہے، کیونکہ وہ ہر ٹاسک میں وہی بڑا پری فکس درجنوں بار دوبارہ بھیجتے ہیں۔ دو عادتیں اہم ہیں:

-   **ہر ٹاسک کی ایک گفتگو۔** ہر ذیلی مرحلے کے لیے نئی گفتگو شروع کرنے سے پری فکس پھینک دیا جاتا ہے۔
-   **فائلیں ایک بار، اوپر کے قریب پڑھیں۔** اگر ایجنٹ کوئی فائل دوبارہ پڑھتا ہے تو پرانی کاپی بدلنے کے بجائے نئی کاپی شامل کریں، جب تک فائل بدلی نہ ہو۔

[1M ٹوکن کی کانٹیکسٹ ونڈو](https://broadrouter.com/ur/blog/million-token-context-window-guide/) میں تہ 3 پوری ریپوزیٹری رکھ سکتی ہے۔ فی ٹوکن کلید پر یہ تبھی سستا ہے جب یہ کیش ہو، اس لیے پرامپٹس بڑے ہونے کے ساتھ تہوں کی ترتیب اور اہم ہوتی جاتی ہے۔ کیش شدہ پری فکس عموماً پہلے ٹوکن تک کا وقت بھی کم کرتے ہیں؛ دیکھیں [TTFT بمقابلہ تھرو پٹ](https://broadrouter.com/ur/blog/llm-latency-ttft-throughput/)۔

## BroadNet Inference کہاں فٹ ہوتا ہے

BroadNet Inference پر usage بلاک `prompt_tokens_details.cached_tokens` رپورٹ کرتا ہے جب ماڈل اسے رپورٹ کرے، اور [DeepSeek V4.1 Flash](https://broadrouter.com/ur/models/deepseek-v4.1-flash/)، [GLM 5.3](https://broadrouter.com/ur/models/glm-5.3/) اور [Qwen3.8 27B](https://broadrouter.com/ur/models/qwen3.8-27b/) پر کیش شدہ ان پٹ [قیمتوں کے صفحے](https://broadrouter.com/ur/pricing/) پر درج کم ریٹ پر بل ہوتا ہے۔ BroadNet اپنی دستاویزات میں واضح کیش بریک پوائنٹس یا کیش key پیرامیٹر نہیں دیتا، اس لیے اوپر کا لے آؤٹ ہی پوری تکنیک ہے۔ لامحدود پلان پر کیش بل نہیں بدلتا، کیونکہ سیشنز میں کوئی ٹوکن میٹر نہیں، لیکن یہی ساخت پھر بھی لیٹنسی میں مدد کرتی ہے۔

اس موضوع کے مفت ٹولز (انگریزی میں)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[مفت ٹولز (انگریزی میں)](https://broadrouter.com/tools/)

## اس مضمون کی اصطلاحات

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

[سسٹم پرامپٹ (system prompt)](https://broadrouter.com/ur/glossary/system-prompt/)

سسٹم پرامپٹ وہ ہدایتی متن ہے جو کوئی ایپلیکیشن گفتگو سے پہلے لینگویج ماڈل کو بھیجتی ہے، عموماً system یا developer رول والے پیغام کے طور پر۔ یہ ماڈل کا کردار، قواعد، لہجہ اور آؤٹ پٹ فارمیٹ طے کرتا ہے، اور ٹکراؤ کی صورت میں ماڈل کو صارف کے پیغامات کے بجائے اسی پر عمل کرنا ہوتا ہے۔

[پہلے ٹوکن تک کا وقت (TTFT، time to first token)](https://broadrouter.com/ur/glossary/time-to-first-token/)

Time to first token (TTFT) وہ وقت ہے جو لینگویج ماڈل کو درخواست بھیجنے سے پہلا آؤٹ پٹ ٹوکن آنے تک لگتا ہے۔ اس میں نیٹ ورک کا وقت، سرور پر قطار اور prefill شامل ہیں، یعنی وہ مرحلہ جس میں ماڈل پورا پرامپٹ پڑھتا ہے، اس لیے یہ پرامپٹ کی لمبائی اور لوڈ کے ساتھ بڑھتا ہے۔

[کیش شدہ ان پٹ ٹوکن (cached input tokens)](https://broadrouter.com/ur/glossary/cached-input-tokens/)

کیش شدہ ان پٹ ٹوکن وہ پرامپٹ ٹوکن ہیں جنہیں LLM فراہم کنندہ نے حال ہی میں پروسیس کیا ہو اور دوبارہ حساب کرنے کے بجائے کیش سے پھر استعمال کر سکے، عموماً سسٹم پرامپٹ یا دستاویز جیسا دہرایا گیا پریفکس۔ فراہم کنندگان ان کا بل نئے ان پٹ ٹوکنز سے کم شرح پر بناتے ہیں۔

[ان پٹ اور آؤٹ پٹ ٹوکن (input and output tokens)](https://broadrouter.com/ur/glossary/input-and-output-tokens/)

ان پٹ ٹوکن وہ ٹوکن ہیں جو لینگویج ماڈل کسی درخواست میں پڑھتا ہے، جن میں سسٹم پرامپٹ، گفتگو کی تاریخ، ٹول ڈیفینیشنز اور تصاویر شامل ہیں۔ آؤٹ پٹ ٹوکن وہ ہیں جو وہ جواب میں بناتا ہے، ریزننگ سمیت۔ LLM API عموماً دونوں کی قیمت الگ رکھتے ہیں، اور آؤٹ پٹ عموماً مہنگا ہوتا ہے۔

[ٹول کالنگ (tool calling)](https://broadrouter.com/ur/glossary/tool-calling/)

ٹول کالنگ، جسے function calling بھی کہتے ہیں، LLM API کی وہ سہولت ہے جس میں ماڈل ڈویلپر کے طے کردہ کسی فنکشن کو چلانے کی ایک منظم درخواست، JSON آرگیومنٹس کے ساتھ، لوٹاتا ہے۔ ایپلیکیشن فنکشن چلا کر نتیجہ واپس بھیجتی ہے؛ ماڈل خود کبھی کوڈ نہیں چلاتا۔

[کانٹیکسٹ ونڈو (context window)](https://broadrouter.com/ur/glossary/context-window/)

کانٹیکسٹ ونڈو ٹوکنز کی وہ زیادہ سے زیادہ تعداد ہے جس کے ساتھ لینگویج ماڈل ایک درخواست میں کام کر سکتا ہے۔ اس میں پرامپٹ، گفتگو کی تاریخ، ٹول ڈیفینیشنز، تصاویر اور بننے والا آؤٹ پٹ، ریزننگ ٹوکنز سمیت، سب شامل ہیں۔ جو اس میں نہ سمائے اسے کاٹنا، خلاصہ کرنا یا کئی درخواستوں میں بانٹنا پڑتا ہے۔

[لیٹنسی (latency)](https://broadrouter.com/ur/glossary/latency/)

لینگویج ماڈل API کے لیے لیٹنسی وہ وقت ہے جو کسی درخواست کے بھیجے جانے سے آخری آؤٹ پٹ ٹوکن موصول ہونے تک لگتا ہے۔ یہ پہلے ٹوکن تک کے وقت اور جنریشن ٹائم کا مجموعہ ہے، اور عموماً اوسط کے بجائے p50 اور p95 جیسے پرسنٹائلز میں بتائی جاتی ہے۔

## عام سوالات

### میرا پرامپٹ کیش ہٹ ریٹ کم کیوں ہے؟

پرامپٹ کے آغاز کے قریب کوئی چیز ہر کال پر بدل رہی ہے۔ عام وجوہات ہیں سسٹم پرامپٹ میں ٹائم اسٹیمپ یا درخواست ID، مختلف ترتیب میں سیریلائز ہوئے ٹولز، ہدایات سے پہلے رکھی گئی بازیافت شدہ دستاویزات، یا ایسی ہسٹری جس کا خلاصہ بنا کر اسے دوبارہ لکھا جاتا ہے۔

### صارف کا سوال لمبی دستاویزات سے پہلے رکھیں یا بعد میں؟

بعد میں۔ دستاویزات پہلے اور سوال آخر میں رکھیں۔ تب دستاویزات دوبارہ استعمال کے قابل پری فکس بناتی ہیں، اور کئی ماڈلز مواد کے بعد سوال آنے پر بہتر جواب بھی دیتے ہیں۔

### کیا ٹول ڈیفینیشنز پرامپٹ کیشنگ توڑتی ہیں؟

صرف تب جب وہ بدلیں۔ ٹولز پری فکس کا حصہ ہیں، اس لیے وہی سیٹ، اسی ترتیب میں، اسی JSON کے ساتھ رکھیں۔ ایک کال کے لیے ٹولز محدود کرنے ہوں تو فہرست بدلنے کے بجائے tool\_choice استعمال کریں۔

### کیا few-shot مثالوں کی ترتیب کیشنگ کے لیے اہم ہے؟

جی ہاں۔ بے ترتیب کی گئی مثالیں ہر بار مختلف پری فکس بناتی ہیں۔ ترتیب مقرر رکھیں، یا ہر درخواست پر بدلنے والی مثالیں مستحکم حصے کے بعد رکھیں۔

## مزید پڑھیں

-   [کیش شدہ ان پٹ ٹوکن کیا ہیں: LLM API کا بل کیسے کم کریں](https://broadrouter.com/ur/blog/cached-input-tokens-explained/)
-   [1M ٹوکن کانٹیکسٹ ونڈو کب فائدہ مند ہے (اور کب نہیں)](https://broadrouter.com/ur/blog/million-token-context-window-guide/)
-   [مقررہ قیمت بمقابلہ فی ٹوکن ادائیگی والا LLM API: بریک ایون کا حساب](https://broadrouter.com/ur/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [BroadNet کا GPU ہارڈویئر اور سروِنگ کا طریقہ، BroadNet کی زبانی](https://broadrouter.com/ur/blog/broadnet-gpu-fleet-and-serving/)
-   [LLM API جوابات کیش کر کے لاگت کم کریں: Python میں ایگزیکٹ میچ کیش](https://broadrouter.com/ur/blog/cache-llm-responses-cut-cost/)
-   [گائیڈ: chat completions اسٹریم کریں اور ٹوٹے کنکشن سنبھالیں](https://broadrouter.com/ur/guides/streaming-chat-completions/)
-   [گائیڈ: BroadNet Inference کے ساتھ OpenAI Python SDK استعمال کریں](https://broadrouter.com/ur/guides/openai-python-sdk/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

[شروع کریں](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-prompt-structure-for-caching&utm_content=page-cta) ·

**ذرائع**

-   [BroadNet Inference کا API ریفرنس، usage میں کیش شدہ ٹوکن (2026-11-16 کو دیکھا گیا) (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-prompt-structure-for-caching&utm_content=sources)
-   [OpenAI پرامپٹ کیشنگ گائیڈ، پری فکس میچنگ اور ساخت کا مشورہ (2026-11-14 کو دیکھا گیا)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Anthropic پرامپٹ کیشنگ کی دستاویزات، کیش کی ترتیب: ٹولز، پھر سسٹم، پھر پیغامات (2026-11-16 کو دیکھا گیا)](https://platform.claude.com/docs/en/build-with-claude/prompt-caching)
-   [DeepSeek API کی دستاویزات، کانٹیکسٹ کیشنگ (2026-11-14 کو دیکھا گیا)](https://api-docs.deepseek.com/guides/kv_cache)
