连续性而非重要性：文档编辑后过期KV缓存的预算内修复

KV缓存复用可降低RAG和智能体系统推理成本，但检索知识、工作记忆或用户状态编辑后，上下文缓存可能过期。因果自注意力下，局部编辑也会影响后续KV状态。完整重新预填充可可靠恢复一致性但成本高，仅刷新编辑片段又可能留下过期依赖。我们把原地修复表述为预算约束重算，在具有匹配直接与派生编辑的事实RAG基准上比较无需训练的位置选择策略。在三个模型家族上，所有策略都修复直接案例，派生案例却明显区分方法。在主要预算下，连续的编辑局部窗口恢复至少0.94的编辑后答案间隔，显著优于基于注意力、KV偏差和结构的选择器。机制分析显示，在干净状态移植下有效的位置集合，实际重算时可能失败，因为分散位置继承周边过期状态。局部编辑优势还依赖相邻性，答案文本移至下游较远处后基本消失。由于答案相关编辑几乎总会损坏模型行为、失败严重程度难预测，且修复比完整重新预填充快13—21倍，结果支持在依赖文本仍邻近编辑处时无条件执行局部修复。