OpenClaw从入门到入土:如何避免被坑,揭秘当前最靠谱的龙虾配置 07

在配置龙虾过程中，我遇到过很多天坑。坑到每一个都可以成为放弃使用龙虾的充分理由。

但是，作为项目经理，填坑是我们的本质工作。需要把这些天坑一一罗列出来，挨个攻关解决，才是项目经理真正做事的态度。

一．龙虾连不上国产AI模型

这个倒不全是龙虾的问题。

想要龙虾连上AI模型，必须告诉它这个模型是厂商（providers）是谁，AI版本（models ID）是哪个。

当前国产厂商为了抢市场，AI模型更新速度快，还按照功能进行细分，名目繁多，导致市面上存在各种眼花缭乱的版本。

更麻烦的是，同一个模型，厂商宣传用A版本号，实际发布用B版本号，龙虾认识的是C版本号。

比如说豆包：

○ 宣传的版本号是Doubao-Seed-2.0

○ 实际发布的是volcengin/doubao-seed-2-0-pro-260215

○ 龙虾认识是doubao/doubao-seed-2-0-pro-260215

很多兄弟就倒在这一步，捣鼓半天，发现龙虾根本连不上AI模型，毅然放弃。

所以，在此列出龙虾认识的AI模型厂商，版本号以及连接线路，彻底解决这个问题。

DeepSeek：

○ AI模型厂商（providers）：deepseek

○ 最新AI模型版本号（models ID）：deepseek-v4-flash

○ 连接线路（baseUrl）：https://api.deepseek.com/v1

Kimi：

○ AI模型厂商（providers）：moonshot

○ 最新AI模型版本号（models ID）：kimi-k2.6

○ 连接线路（baseUrl）：https://api.moonshot.cn/v1

豆包：

○ AI模型厂商（providers）：doubao

○ 最新AI模型版本号（models ID）：doubao-seed-2-0-pro-260215

○ 连接线路（baseUrl）：https://ark.cn-beijing.volces.com/api/v3

二．龙虾无脑浪费token

我申请的豆包模型API账号送了50万免费的token。

我天真地以为做个龙虾机器人连接调试，简单地问几句“今天天气如何？”，这50万token可以撑好久。

没想到上午申请的账号，下午完成调试，晚上就收到短信告知API账号欠费。

当然，白嫖的token烧着不心疼，但是欠费会不会影响本人摇摇欲坠的征信，心里还是非常忐忑。

所以我得搞清楚，从前到后发了不到100字的消息，豆包也就输出了100字的天气情况，为啥能烧掉这么多token？

先去豆包官网上查查token的具体使用情况，发现输出的token数量问题不大，只有6500个。但是输入token数量，居然有630000个。

查，必须查到底。先去看看龙虾的官方操作指导怎么说：

每次调用AI模型时，OpenClaw不只发送用户消息，还会把系统提示（Prompt）、工具定义（Tool）、技能列表（Skill）、记忆文件（Memory）、历史对话（Session）、tool call 返回结果等一起打包发送。

再去看看当前我的配置下，这些文件有多大。进入龙虾的网页聊天界面，输入 /text list，反馈结果：

🧠 Context breakdown (detailed)

System prompt (run): 31,340 chars (~7,835 tok) (Project Context 13,783 chars (~3,446 tok))

Skills list (system prompt text): 3,417 chars (~855 tok) (11 skills)

Tool schemas (JSON): 32,037 chars (~8,010 tok) (counts toward context; not shown as text)

其中，prompt占了7800个token，skill占了855个token，tool占8010个token。

也就是说，我每执行一次命令，龙虾至少要给我额外烧掉2万个token。

结合豆包官网上记录我执行了28次命令，那么龙虾至少给我额外烧掉了56万个token，这个账就基本对得上了。

所以，为了不被龙虾搞得倾家荡产，必须针对初始化配置中的prompt，skill以及tool进行瘦身。

三．模型与模型之间亦有区别

但是，豆包就没有问题吗？

除了豆包以外，我还测试了Kimi。

同样的龙虾配置下，我用豆包的频率跟Kimi一样，豆包烧完了50万个token之后，还提醒我欠费0.35元；而Kimi只花了不到0.1元。

查，必须查到底。

为了公平起见，直接咨询第三方ChatGPT，给出的答复是：

Kimi 支持Prefix Cache，而豆包不支持。

Prefix Cache的字面意思是前文缓存，可以理解为龙虾发送自带的配置文件被AI模型缓存起来了。

这个功能有啥用呢，举例说明：

我让龙虾问AI模型“今天天气如何？”，龙虾除了把问题抛给AI模型以外，还自动夹带了2万个token的私货。

具备Prefix Cache功能的AI模型，就会把这2万个token的私货缓存起来，在你二次提问时，不去读取这些私货，直接处理问题。

这样二次处理的token费用会变得极少。也就是前文提到的缓存命中。

前文回顾：OpenClaw从入门到入土：拆解养虾成本，如何精打细算花小钱办大事 04

而不具备Prefix Cache功能的AI模型，你每次提问题，它都会把龙虾夹带的私货重新读取一遍，导致输入token费用奇高无比。

所以，别看到豆包当前阶段token费用比kimi便宜一半，但是它没搞定Prefix Cache功能之前，是真的不敢用，欠费就欠费吧。

四．龙虾配置瘦身

再回过头来处理龙虾配置的问题，这个是导致很多人放弃龙虾的关键：

无效配置太多，导致承担不起输入token的费用。

如果只龙虾当成一个项目管理AI助手，其实仅具备以下功能即可：

1. 读取并发送飞书消息，包括个人以及群消息。这个功能，前面已经搞定得七七八八了。

2. 读取、处理并生成飞书文档，这个只需要添加跟飞书相关的skills和tools。

至于其他的Prompt，skill和tool，跟飞书使用无关的全部可以关掉。

所以接下来，我们要把这些用不上的私货全部挖出来，进行全面优化：

1. Prompt都保存在.md文件里，保留：

○ AGENTS，后续项目管理专用的prompt需要添加到这里。

○ BOOTSTRAP，确定启动规则，比如说让Deepseek仅做深度分析，不用网络搜索。

○ IDENTITY，明确龙虾的工作范围，让龙虾知道该干哪些，不该干哪些。

○ USER，设定用户职业岗位，方便AI模型更快地给出对应领域的解决方案。

其余的.md文件内容全部清空，留个空文件就行。不能删掉文件，否则龙虾会报错。

2. Skills直接在openclaw.json里配置，名称里不以feishu开头的全部禁用。

3. Tools同样在openclaw.json里配置，保留龙虾自带的读/写/通信，以及飞书相关的tools，其余的全部禁用。

把这些坑填完之后，基本上，龙虾算是洗干净，可以下锅了。

五．飞书龙虾助手配置

如果飞书的龙虾助手需要多人使用，那么还得在openclaw.json更新配置，因为龙虾默认禁止群聊消息，让其他人激活龙虾助手。

配置代码如下：

{channels: {  feishu:  {       groupPolicy:"allowlist",   groupAllowFrom:["飞书群ID"],  }, },}

六．总结

龙虾之所以很多人养不起来，根本原因在于这条链上的各个环节都有问题：

1. 国产AI大模型版本混乱，且便宜没好货，不声不响地挖坑。

2. 龙虾自带的初始配置压根不考虑特定人群使用情况，需要大幅修改，才能洗干净下锅。

3. 与龙虾对接的APP配置复杂，且需要与龙虾进行深度联调，劝退大批不懂技术的小白。

不过别担心，接下来我会把修正OK的文件全部释放出来，一键搞定龙虾配置，敬请期待。

（未经本人许可，请勿转载或商业用途）