CACHELINT：检测 LLM Agent 中提示词缓存集成错误的静态分析工具

一项针对 10 个热门开源 Agent 系统中 120 个提示词缓存相关 Pull Request 的实证研究发现，缓存集成错误分为请求侧配置错误和读取侧使用计数错误两类，且大多静默失败、不产生运行时报错。研究团队据此开发了 CACHELINT，用 CodeQL 定位缓存调用点，并结合带日期的供应商能力库或 LLM 检查来验证前提条件。该工具在 120 个已标注错误上达到 0.71 精确率和 0.78 召回率，在 571 个真实 Agent 项目中发现了 32 个集成错误，精确率 0.86。相关发现获得 21 位开发者确认，促成 18 个上游修复，其中包括 Anthropic 官方 SDK 的一处修复。