OpenClaw降本方案

这套 OpenClaw Skill 的核心思路，是用“调度员+执行员”模式来降低主模型消耗，同时缓解 Context 拥挤的问题。

具体做法是让 Gemini 或 Claude 继续负责调度和判断，再通过 /nim 技能，把长文本总结、基础解释等任务分流给 NVIDIA NIM 平台的免费模型。

这样主模型只保留关键指令和结果，上下文会干净很多。目前支持的模型别名包括 glm5、kimi-k2.5、llama-3.1、deepseek。安装后也可以直接输入 /nim list，查看当前支持的全部模型和别名。

实测在一个长文档分析任务里，原本大约需要消耗 5000 Tokens，分流后主模型只消耗了约 200 Tokens 指令，节省率超过 95%。

安装方式也比较直接：先到 build.nvidia.com 注册并生成以 nvapi- 开头的 API Key，再执行 clawhub install openclaw-nim-skill，最后配置环境变量即可。

开源地址是 https://github.com/d-wwei/openclaw-nim-skill，ClawHub 名称为 openclaw-nim-skill。