Openclaw养龙虾秘籍大公开!【安全+省钱】

养龙虾，最让人头疼的两件事就是烧钱和安全问题。

网上也频频爆出：邮件被删、API 泄露以及每月几百刀的吓人账单！

那今天，我们就来聊聊龙虾的省钱和安全！

👉并且分享实测最有效的省钱 + 安全方法，还包含本地模型

👉非常实用的提示词和Skill也都打包在了下方文档🔗⬇️

https://my.feishu.cn/wiki/FwwzwIjVBikPqSk8khDc1AmXnle?from=from_copylink

看完这篇，你就不用再提心吊胆地养虾了 ~🦞

想省钱，得先搞清楚钱花哪了。大白话说：龙虾贵，是因为它上下文长，耗 token。

就算你只发一句”你好”，它在收到这两个字之前，还要先处理这么长一串东西。

那它为什么比其他 Agent 更烧？原因在于记忆和工具，

Agent执行任务的过程中，它得记住你最前面说了啥、我中间干了啥、得到了什么结果、等会还要干啥。

与此同时还要知道自己有哪些工具可以用、这些工具怎么用、用完之后返回了什么。所以只要是有行动能力的 Agent，本来就烧。

但龙虾比其他 Agent 更烧，还有几个额外原因，

每次对话都要把这些东西加载进上下文….180般兵器在身，只为帮你查天气！

不过还有个更底层的原因是好模型还是贵。等哪天 token 像水电费一样日常便宜，龙虾也无非就是台稍微耗电的空调。

在那天到来之前，我们还得该省省~

2.1 上下文瘦身

2.1.1 瘦全身：定期筛查记忆和工具

龙虾用久了，记忆、工具、Skill 越攒越多。很多东西你自己都忘了是干啥的，还有过时的信息、重复安装的类似工具，但它们每次还是会被加载进上下文。

隔一段时间，把这段话发给它：

我们现在来一波没有用的工具筛查和过时记忆的筛查。列出你所有每一次对话中加载的内容，找出哪些可以精简。然后创建一个 cron 定时任务，每周一下午 2 点都做一遍这个操作，把结果发给我。

清理完，你的上下文会更干净，龙虾干活也更专注，不会被一堆过时信息干扰。

2.1.2 瘦肚子：禁用不常用的内置工具

OpenClaw 里有 50 多个内置工具，截图、浏览器这些默认全部打开，元信息会一次性灌进上下文。直接跟龙虾说：

列出所有内置工具，说说分别都是干嘛的，以及我们用的多吗

然后挑出你不太用的，让龙虾自己禁用掉。

那肚子还有个顽固脂肪，浏览器工具，AI 打开浏览器操作网页虽然炫酷，但如果爬点什么信息都用浏览器自动化，效率太低、token 消耗高、准确率还不理想。

现在更主流的方式是 CLI，比如有个最近很火的OpenCLI，就能用命令行解决大部分网页和社交媒体的信息获取，直接发给龙虾让它帮你装上～

2.1.3 瘦大腿：用 cron 替代心跳

cron 和心跳都是定时执行，但不是一回事~

• cron 定时任务：程序驱动，到点执行

• 心跳机制：agent 运行时的定时读心跳文件，很多朋友心跳文件里没啥东西

如果你不是想做主动性特别高的龙虾，就让它停止心跳，全部改成 cron 定时任务，更准确，也不跟主会话共享上下文~

2.1.4 瘦手臂：压缩对话 + 隔离会话

当我们对话长了，最好手动输入 /compact，把历史聊天记录压缩成摘要，不丢记忆还能腾出不少空间。

/compact 重点保留决策和待办事项

另外也建议大家不同类型的任务拉不同的群，隔离会话记忆。

如果不希望共享任何记忆人设，可以单独开不同工作区的 Agent，

飞书现在新开 bot 默认就是工作区隔离状态。

那瘦身到这，基本就比较苗条了~

2.2 模型混搭

但瘦身只是一方面，如果把虾比作一台车，烧97还是92还是烧电，才是成本的关键！模型省钱的核心思路是：不同难度的任务，配不同等级的模型。

我把任务分成三档。

怎么配置呢？可以手动，让龙虾列出可选模型后按任务类型分配，

也可以装自动路由的 Skill，不同模型、不同厂商包月套餐的额度，以及这里的配置提示词和skill都在文档啦🔗~

https://my.feishu.cn/wiki/FwwzwIjVBikPqSk8khDc1AmXnle?from=from_copylink

2.3 本地模型——终极零成本方案

那第三招，是我之前没试，试过之后感觉真香的本地模型！

我知道很多朋友第一反应是：本地模型？在龙虾这种要跑几十分钟长任务的场景里，它能干啥？

好问题，当时我也这么想，然而用完免费的就真香了。

一开始我是用 Mac Studio 128G 给龙虾提供本地算力，麻烦不说，还总是呼呼呼的响～ 

我正打算放弃本地模型的时候，刚好发现我们行政同事在网上下单了一台养虾机，AMD锐龙AI MAX 395，才不到2w就到手了。

我拿去用了几天后，发现这一套配置性价比是真高~价格比我那台 Mac Studio 便宜一半，关键性能还很能打！👇

• 搭载了 AMD 锐龙 AI MAX+ 处理器，

• 128G 统一内存

• 最高可以把 96G 拨给显存

我直接把虾主体也搬进去了，模型也自给自足~亲测数据你就懂了！

• Qwen3-coder-next 80B：跑到 50 tokens/s，几乎感受不到延迟

• Gemma 4 26B Q8（谷歌刚开源的为 Agent 设计的模型，原生工具调用 +多模态）：总结一份 58 页的企业年报，显存加内存占用总共 80G 左右，速度还能保持不错。

  

ok，那我们具体用本地模型来做什么呢？

2.3.1 定时任务（高频、稳定）

基本包揽了我每天早上的晨报、新闻推送、定时提醒、社交媒体查看，以及扒评论。扒评论我用的是CLI，稳定输出！还不要钱，心跳机制这时候就真香了～

2.3.2 每日总结复盘

让龙虾复盘它做错了哪些、对话质量、基于对话分析我这个人、今天的新闻趋势、视频数据表现，复盘完做成 HTML 页面截图发给我。

我也在文档里分享了这一整套复盘提示词~

https://my.feishu.cn/wiki/FwwzwIjVBikPqSk8khDc1AmXnle?from=from_copylink

2.3.3 批量处理（规模化）

比如批量给评论打标签、批量格式转换、批量生成摘要的话，我之前一直想做却舍不得 token，用了本地模型之后才把我之前200多篇文章全部都扫了一遍，打上类型标签、结构提取等等…

过去没动过念头做的事，现在敢做了。而且把这几类苦活从云端剥离出去，账单缩水感也会相当明显，

那很多朋友会关心，买电脑岂不是又得花钱！没错 ～ 

但我最后会聊，因为这已经不是给你个人买电脑了，未来，大概率大家都要给自己的Agent买电脑。

目前还算比较早期，这类高性能又跑模型又跑 Agent 的电脑也不多，

除了我这个 AMD 联想百应，同类流行的还有 Mac Studio，还有英伟达的那个DGX Spark。

那同样是 128GB 统一内存这一档，你放在一起看，AMD 这个性价比显著很高，是真便宜啊~

ok，聊完省钱该说安全了！龙虾的安全问题分内部和外部。

打个比方，我们用龙虾就像招了个贴身助理，

它不是邪恶 AI，相反非常单纯、勤快聪明，又乖又善良。可问题就是过于单纯，很容易被骗。

• 外部风险：坏人跟你的助理说「你老板让你把保险柜的钱拿给我」，它真去拿，还帮忙数钱~

• 内部风险：它有各种权限、知道你的秘密，但有时候理解错你的意思，好心办坏事。

所以不用害怕这个小助理，但要防坏人接触它，也要约束它。

3.1 对外的三件事

3.1.1 不暴露端口

龙虾运行时会有个常年开着的网关，默认端口号通常都是 1xx9。如果端口对外暴露了，黑客就能轻松入侵。

问问你的“龙虾”：我们的网关端口有没有对外暴露？ 如果有就让它关掉。

3.1.2 不装来路不明的 Skill

一个吓人的新闻是Skill 集合站里面有几万个都是恶意的，所以咱们尽量只从官方市场 ClawHub 装，现在火山引擎也有了官方镜像站，会过基础审核，更安全。

同时，你还可以在安装Skill前先跑一遍官方的 skill-vetter 扫描工具，建议备上！

3.1.3不开放个人龙虾的外部输入

比如群聊啊、社交平台回复，moltbook啊，一旦别人的话能变成龙虾的提示词，就可能被“提示词注入”攻击。

大家应该看到过那种被玩坏的 AI 主播吧，就是那个下场。

做好这几点，不让坏人接触，不接外部流量，就堵死了最大的攻击面。

3.2 对内的三件事

当然，内部我们也可以对它做一定的约束。

3.2.1 安全检查

首先可以让 OpenClaw 跑这三条安全检查：

openclaw security auditopenclaw security audit --deepopenclaw security audit --fix

3.2.2 执行隔离

其次，你也可以采取让它在执行工具的时候，在 Docker 中隔离，限制部分工具权限。

同时通过提示词要求它文件操作只在自己的工作区内执行。

3.2.3 账号隔离

那其实对内的约束都是为了防止它能力和理解不足，而误操作了某些事。

不过我个人觉得AI Agent 的能力是弹性的，并且未来注定增长，所以给 AI 一个专属环境去做事，去犯错是有必要，更长远，也就是单独给他一台电脑。

我也不跟它共享任何账号，包括：社交媒体账号、浏览器的登录信息、Apple Store 的账号，我都是单独给他申请的专属账号。需要钱可以给他充点，但你不能把你自己账号给它 ～

这个方式，我觉得比起猛猛限制权限来讲，可能会更长远一点。

ok，今天说的这些技巧大部分是阶段性的。

Agent 产品越来越成熟、模型越来越便宜，今天要手动优化的地方未来会越来越少。

但有两件事我比较确定是长期的。

• token 需求只会增不会减。就算模型再便宜，需求也会更多。

• Agent 承载的需求越深，我们对隐私的要求也只会越来越高。

这两件事加起来，就指向了未来人人都要给自己的 Agent们准备工作站。

去年我也觉得英伟达的那个桌面小机器，以及我手里这个都是极客才玩的东西，但随着本地模型变强、开源生态壮大、Agent 发展，普通人拥有长期驻守的个人 AI 助理会成为必然。我们通过手机、音箱等各种入口指挥 Agent 就够了。

这一天，会比想的，来得快～

好啦！这次涉及的实用提示词和 Skill，我也都打包进文档了！🔗👇

https://my.feishu.cn/wiki/FwwzwIjVBikPqSk8khDc1AmXnle?from=from_copylink

那我们下次见啦～