月烧 400 刀到不到 20 刀：我是怎么把 OpenClaw 的 Token 账单砍掉 95% 的
写在前面：我是一个独立开发者，从今年初开始重度使用 OpenClaw。第一个月账单出来的时候我人傻了——光 API 费用就花了 400 多美元。后来花了两周时间研究怎么省钱，现在月成本控制在 20 美元以内，体验基本没缩水。这篇文章把我踩过的坑和摸出来的方法全写出来，希望帮你少交点"智商税"。
先说说为什么龙虾这么能吃
很多人第一反应是：“不就是个 AI 聊天吗，能花多少钱？”
兄弟，OpenClaw 不是聊天机器人。它是一个Agent——每次执行任务，它不是简单地"问一句答一句"，而是一个循环：思考 → 调工具 → 看结果 → 再思考 → 再调工具……这个循环每转一圈，Token 就哗哗地烧。
具体来说，Token 消耗的大头在这几个地方：
1. 上下文重复注入（最大的杀手，占 40-50%）
每次 OpenClaw 跟大模型对话，它都会把一堆"背景资料"重新发一遍：
- 你的 AGENTS.md（告诉它"你是谁"）
- SOUL.md（性格设定）
- MEMORY.md（记忆文件）
- 所有已安装工具的 schema 描述
- 技能包说明
你的 MEMORY.md 如果膨胀到几百行（很容易的，用几天就会），哪怕你只是跟它说一句"早上好"，光输入就要吃掉 8000-15000 个 Token。
就这一句早上好，按 Claude Opus 的价格，大概 0.1-0.2 美元。一天打几次招呼就是一块多美元没了。
2. 心跳和定时任务（隐形吞金兽）
很多人配了 Cron 任务——每 15 分钟检查一下邮件、每小时刷一下热点之类的。
问题是：每次心跳都是一次完整的 Agent 调用，带着全部上下文。
我之前犯的最蠢的错误就是：用 Claude Opus 跑心跳。一天 96 次心跳 × 每次 1.5 万 Token ≈一天 144 万 Token，光心跳就烧十几美元。
3. 工具输出和历史累积
OpenClaw 每次调用工具（读文件、跑命令、刷网页），工具返回的内容会塞进上下文。如果你让它读一个大文件、或者浏览一个长网页，一次就能灌进去几万 Token。
而且这些历史不会自动清理，会像滚雪球一样越来越大。
4. 模型选错了
全程用顶级模型处理所有任务，就像开法拉利去买菜——能到，但没必要。
我的省钱方法论（从月花 400 刀降到 20 刀以内）
下面是我实际在用的方法，按"投入产出比"排序，最容易做的放前面。
方法一：定期压缩上下文（零成本，立即见效）
这是最简单但很多人不知道的操作：
- 经常用
/compact命令，让 OpenClaw 总结历史、压缩上下文 - 或者直接
/new开新会话 - 把 MEMORY.md 控制在 80 行以内
我的做法是：核心信息放 MEMORY.md，其他详细记录放到单独的文件里，让 Agent 需要的时候再去 read。
效果：光这一步，Token 消耗直接砍掉 30-40%。
方法二：精简注入文件
去看看你的 AGENTS.md 和 SKILL.md，是不是写了一大堆废话？
- 把描述精简到最短能表达清楚的程度
- 禁用你不用的工具（每个工具的 schema 描述都要占 Token）
- 大文件别设成自动注入，改成按需读取
我把 AGENTS.md 从 200 多行砍到 60 行，每次调用直接少吃 3000 Token。
方法三：智能模型路由（最推荐，省 70%+）
这是我觉得性价比最高的方法——不同任务用不同模型。
| 任务类型 | 用什么模型 | 大概成本 |
|---|---|---|
| 心跳、日志检查、简单判断 | Haiku / Qwen / 本地 Ollama | 几乎免费 |
| 日常对话、文件整理 | Sonnet / Kimi / Grok 快模型 | 很便宜 |
| 复杂推理、写长文、做决策 | Opus / GPT-4o | 该花的花 |
怎么实现？用OpenRouter或者中转站，配置路由规则就行。
我现在 90% 的调用走的是便宜模型，只有真正需要深度思考的时候才用 Opus。光这一步，成本直接从每天十几美元降到两三美元。
方法四：用 API 中转站（国内用户必看）
这个是国内独立开发者的福音。
中转站的原理很简单：人家批量采购 API 额度，然后以更低的价格转卖给你。兼容 OpenAI/Anthropic 协议，配置起来就改两个字段的事。
我在用的是wellapi中转（wellapi.ai），稳定、国内直连、支持多模型。
重启，搞定。
效果：同样的调用量，成本大概是官方直连的 1/5 到 1/10。很多人从月花几百美元直接降到几十美元。
方法五：开启 Prompt Caching
如果你用 Anthropic 的模型，它支持 Prompt Cache——重复的上下文前缀会被缓存，不重复计费。
OpenClaw 每次调用都带着那堆固定的系统提示词和 AGENTS.md，这些内容几乎不变，缓存命中率极高。
开启之后，重复上下文的费用直接打一折。具体怎么开看你用的中转站或直连的文档，一般加个参数就行。
方法六：区域订阅薅羊毛（谨慎使用）
Claude Pro 订阅有区域定价差异：
- 美国：$20/月
- 尼日利亚：约 $11/月（便宜 45%）
- 埃及、土耳其也有折扣
有些人通过切换 App Store 地区来拿低价订阅，再结合 Proxy 转成 API 调用。
但我要提醒：这个有封号风险，我自己没这么干，只是知道有人在做。个人小规模用问题不大，商用就别冒险了。
我现在的配置方案（供参考）
日常心跳/简单任务 → Qwen（本地 Ollama 或中转站） 内容生成/文件处理 → Sonnet 3.5（中转站） 复杂推理/重要决策 → Opus（中转站 + Prompt Cache） 上下文管理 → 每天 /compact 一次，MEMORY.md 控制 80 行内 监控 → LiteLLM Proxy 层加预算警报，日消耗超 $3 自动通知实际月成本：$15-20，偶尔重度使用的月份也不超过 $30。
对比最初的 $400+，省了95%。
几个容易踩的坑
- 别让 Agent 读大文件—— 一个 10KB 的文本文件灌进去就是几千 Token，让它只读需要的部分
- 别用贵模型跑 Cron—— 这是最常见的新手错误，心跳用最便宜的模型就够了
- 别无限累积历史—— 定期 compact，或者设置自动 compaction 阈值
- 别装一堆用不到的技能包—— 每个技能的描述都会注入上下文，装 20 个技能包可能多吃 5000 Token/次
- 设预算警报—— 不管你多自信，先设一个日上限。我被坑过一次之后再也不裸奔了
总结：省钱优先级
如果你懒得看上面那么多，就按这个顺序做：
- 精简文件 + 定期 Compact（5 分钟搞定，省 30-40%）
- 模型路由，简单任务用便宜模型（配置一下，省 70%）
- 上中转站（改两行配置，成本再砍 80%）
- 开 Prompt Cache（如果支持的话）
- 区域订阅（有风险，量力而行）
最后说两句
OpenClaw 本身是开源免费的，真正的成本全在 Token 上。很多人觉得"养龙虾太贵"然后放弃了，其实不是龙虾贵，是你没管好它的"饭量"。
管好上下文、选对模型、用好中转，龙虾完全可以是一个月成本不到一杯咖啡钱的高效生产力工具。