为什么用小龙虾会觉得烧token?OpenClaw的提示词有啥?

一个系统提示词就3万6千字，这谁顶得住啊？

一、先说结论

如果你用过 OpenClaw（江湖人称”小龙虾”），可能会有一个共同的感受：token烧得飞快。

同样一个问题，ChatGPT 可能几十个 token 就回了，OpenClaw 动不动几百上千，有时候一个问题还没答完，先吐出一大堆”内部操作”。

这不是 OpenClaw 故意浪费你的钱，而是它的系统提示词实在太长了。

有多长？

我刚刚从一个真实的 request_body.json 里扒出来了——整整 36,785 个字符。

换算成 token，大概 9,000 到 10,000 个 token 就这么没了。每次对话，这 1 万个 token 是固定的”入场费”。

二、这 3 万 6 千字到底写了啥？

我把这份系统提示词完整看了一遍，发现它其实是一本**AI 助手的”员工手册”**，涵盖了方方面面。

1. 身份定位（你是谁）

• 你是一个运行在 OpenClaw 里的个人助手
• 当前模型是 DeepSeek
• 工作目录在 C:\Users\Administrator\.openclaw\workspace
• 系统是 Windows 10，Node.js v24

就这几行，几百个 token 没了。

2. 工具清单（你会什么）

系统提示里列出了 30 多种工具，每个工具都有详细的说明：

• 文件操作：read、write、edit、apply_patch
• 命令执行：exec、process
• 网络：web_search、web_fetch
• 浏览器控制
• 画布展示
• 节点设备管理（手机、摄像头）
• 定时任务（cron）
• 消息通信
• 会话管理（sessions_spawn、sessions_send 等）
• 子代理
• 记忆系统
• 配置管理
• 技能工坊

每个工具的描述短则十几个字，长则上百字，加起来又是一大坨 token。

3. 行为规范（你怎么做事）

这部分最细，分成好几块：

工具调用风格：

• 常规操作直接干，不废话
• 复杂操作先说明再执行
• 审批流程不能绕过
• 有一级工具就用，别让用户自己敲命令

执行偏好：

• 能这轮做完就这轮做
• 工具结果弱就换方法
• 可变事实现场查
• 最终答案要有证据

安全红线：

• 没有独立目标
• 安全优先于任务完成
• 改配置前先检查现状
• 不能劝人放开权限
• 不能改自己的提示词

这些都是”行为约束”，每条都要写清楚，加起来又是几千字。

4. 记忆系统（你怎么记住东西）

• 日常笔记放 memory/YYYY-MM-DD.md
• 长期记忆放 MEMORY.md
• 写之前要先读一遍
• 隐私不能记
• 回答关于过往的问题前，先搜记忆文件

这一套记忆流程的说明，又吃掉不少 token。

5. 技能与技能工坊

• 有现成技能模板就用
• 版本变了要重新读取
• 创建技能要走正规渠道
• 不能手动改文件

又是几百字。

6. 群聊礼仪

• 能接触到主人的东西 ≠ 可以分享
• 有料再说，没料闭嘴
• 能用表情就不用打字
• 每条消息最多一个反应

别小看这几条，每条都有详细解释，加起来也不少。

7. 平台格式适配

• Discord/WhatsApp：不用表格，用列表
• Discord 链接用 <> 包起来
• WhatsApp 不用标题

每个平台的差异都要写清楚。

8. 首次启动流程

• 和用户聊天认识彼此
• 确定名字、物种、氛围
• 填写身份文件
• 完成后删除引导文件

又是一个完整的子流程。

9. 心跳机制

• 定期检查邮箱、日历、天气
• 隔几天整理一次记忆
• 晚上不主动打扰
• 没事就回 NO_REPLY

10. 文档与排错

• 权威文档在哪
• 配置怎么查
• 排错先跑什么命令

11. 输出格式指令

• 附件用 MEDIA: 单独一行
• 语音用 [[audio_as_voice]]
• 引用回复用 [[reply_to_current]]

三、为什么这么长？

你可能想问：有必要写这么细吗？

答案是：有。

OpenClaw 不是 ChatGPT 那种”通用聊天机器人”，它是一个能操控电脑、读写文件、执行命令、发消息、管理设备的 AI 代理。

打个比方：

• ChatGPT 像一个餐厅服务员，只需要记住菜单和礼貌用语就够了
• OpenClaw 像一个全能管家，不仅要会聊天，还要会开车、做饭、修水管、管账本

能力越强，约束越多，提示词自然越长。

而且这些提示词不是给人看的，是给 AI 自己看的。每次对话，AI 都要重新读一遍这份”员工手册”，才知道自己该干什么、不该干什么。

四、能不能优化？

理论上可以。比如：

1. 把常用的工具描述精简，去掉冗余的示例
2. 把行为规范合并，减少重复表述
3. 把群聊礼仪和平台适配放到单独的 skill 文件里，按需加载

但实际上，OpenClaw 的团队这么做肯定有他们的考虑：

• 安全相关的规则不能省，省了就可能出事
• 工具描述写清楚，AI 才不会用错
• 行为规范细化，AI 才不会”发挥创意”

安全和效率之间，他们选择了安全。

五、对普通用户的影响

说了这么多，对我们普通用户来说，这意味着什么？

1. **每次对话至少烧 1 万个 token 的”固定成本”**，不管问题多简单
2. 复杂任务的 token 消耗会更大，因为 AI 要在提示词的指导下执行多步操作
3. 如果你只是问个简单问题，用 OpenClaw 确实不太划算

建议：

• 简单问答用 ChatGPT 或其他轻量模型
• 需要操控电脑、管理文件、执行命令的复杂任务，再用 OpenClaw

六、最后说两句

OpenClaw 的系统提示词虽然长，但每一行都有自己的意义。它不是”臃肿”，而是”周全”。

就像一本厚厚的员工手册，虽然入职第一天看得头疼，但真的遇到问题时，你会发现——写得这么细是有道理的。

至于 token 烧得快不快？

只能说：能力越大，代价越大。

你的 OpenClaw 一个月烧多少 token？评论区聊聊？