夜雨聆风结果第二天一早再打开控制台，只剩 30%。
一晚上，20% 的额度没了。
关键是，我甚至没让它干什么重活。
后来我才反应过来：这不是 OpenClaw 出故障了，而是我根本没搞懂它到底是怎么“烧钱”的。
踩完这一轮坑之后，我花了一周，把那些最容易吞 Token 的动作一条条捋清楚。今天这篇，不聊代码，也不聊复杂配置，就讲一件事：怎么让 OpenClaw 真正替你干活，而不是悄悄把你的钱包掏空。
你好，我是「一毛半」。名字向三毛借了半分自由，专注在AI领域帮你 「避深坑、可复用」 的野路子捕手。这篇指南将帮你理清：
- OpenClaw（你的AI助手）烧钱的三大核心陷阱——从“会话越长越贵”到“工具日志吞掉预算”，一次讲透。
- 避开3个最常见烧钱点：长会话续聊、高价模型跑所有任务、整篇文档反复喂，让你的Token不再“一夜蒸发20%”。
- 1分钟自测清单 + 野路子组合拳——快速检查你的使用习惯是否健康，稳扎稳打省下50%成本。
适合谁读：经常用AI干活却总发现额度不够的AI重度用户 / 想用OpenClaw做自动化却担心成本失控的小团队负责人 / 被“一觉醒来掉额度”搞蒙了的深度爱好者。
预计收获时间：约3分钟。
为什么 OpenClaw 会这么“能吃”
先说一个最关键的误区。
很多人会下意识把 OpenClaw 当成“一个更强的大模型聊天框”。但它其实不是。
你在普通大模型产品里聊天，也会吃上下文；可你在 OpenClaw 里每回复一次，除了聊天历史，背后往往会一起打包带上这些东西：
- 整个会话历史，包括你几小时前随口聊过的内容
- 系统提示词、规则文件
- 工具调用的输入和输出
- 命令执行日志、网页抓取结果、附件摘要，甚至图片相关信息
也就是说，它不是只为“单一对话上下文”收费，而是在为整段上下文买单。
所以会话越长、工具越多、输出越长，Token 消耗就越夸张。
我那次一觉醒来掉了 20%，本质上不是它偷偷乱跑，而是那个会话已经背上了一堆历史包袱。之后每一次继续调用，它都在重复为这些历史内容付费。
说白了，OpenClaw 贵，不一定贵在你这一句问了什么，而是贵在你前面已经攒了多少东西。
真正有用的“省钱三件套”
我后来去翻社区经验，又结合自己实测，发现真正能明显省钱的，总结一下“省钱三件套”。
1）QMD：把“记忆检索”从重活变轻活
OpenClaw 的一大优势是能接住上下文、记忆和文件。但问题也出在这儿：它一旦要查记忆，就很容易把大段相关内容重新塞回上下文。
这件事，贵得很直接。
很多时候，一次记忆检索就能轻轻松松吃掉上万 Token。
QMD 的思路，简单理解就是：先在本地把记忆做成语义索引，需要时只捞最相关的那几段，而不是整片整片往模型里塞。
这样一来，原本很重的“找记忆”动作，就被压成了一个更轻的检索动作。
根据社区实测，启用 QMD 之后，常见收益大概是：
- 相关任务的 Token 消耗压低约 60%–97%
- 响应速度提升：5–50 倍
- 精准度也比纯全文语义搜索更稳定
如果你经常让 OpenClaw 去翻旧对话、旧任务、旧文档，这个思路值得去试一下。
简单来说，不是不让它记，而是别让它每次都把整本账本重新翻一遍。
QMD 项目地址：GitHub 搜索 tobi/qmd。 官方 README 给出的快速安装方式是： npm install-g@tobilu/qmd或直接运行： npx@tobilu/qmd...
2）日志动态剪枝：别让几千行日志一起进上下文
第二个重灾区，是工具调用。
举个最典型的例子：你让 OpenClaw 执行一次 npm install。命令本身可能没什么问题，但返回的安装日志动不动就是几百上千行。
如果这些内容原封不动塞回上下文，后面你再追问一句“报错了吗？”——等于又把整坨日志重新算了一轮钱。
这就是很多人明明只想问一句结果，却莫名其妙把额度烧掉的原因。
日志动态剪枝的核心思路是：只保留关键状态和关键报错。
比如：
- 真正的 error
- 失败原因
- 核心警告
- 关键节点状态
至于那些进度条、重复安装信息、无意义的过程日志，能裁就裁，能不带就别带。
工具类任务如果把日志处理好，Token 消耗能直接降 40%–60%。这不是小修小补，是能明显改变使用成本的级别。
3）模型分层路由：别拿大炮去打蚊子
第三个，也是最容易立刻见效的：不要让同一个贵模型包打天下。
很多人一开始用得顺手，就会默认把“最好”的模型挂在所有环节上：
- 选题 brainstorming 用高价模型
- 标题优化用高价模型
- 润色用高价模型
- 摘要、改写、解释也全都上高价模型
看起来省心，实际上最烧钱。
因为很多轻任务，根本不需要最高规格的模型。
真正更聪明的做法是：按任务难度分层。
比如：
- 重推理、复杂规划、长链路执行：再上贵模型
- 普通改写、摘要、标题、轻润色：交给便宜模型
- 纯文本小活：干脆放到网页版模型里做
这件事的收益非常直接。有人做过测试，任务合理分层后，整体成本能降 60%–80%，但最终成稿质量未必会差多少。
贵模型要留给“必须它来”的场景，而不是你手边所有活都顺手丢给它。
最容易踩坑的 15 个烧 Token 行为
光靠工具优化还不够，真正的大头，往往还是日常使用习惯。
下面这 15 条，我基本都踩过，你可以直接对照自己看看，中了几条。
1. 在同一个长会话里一直续聊
建议： 新话题直接开新会话；一篇稿子一个阶段一清空。中招指数： ⭐⭐⭐⭐⭐
2. 在后台 main 会话里又聊系统、又写文章、又排错
建议： 后台只做配置、排错、看状态；正文创作别混进去。中招指数： ⭐⭐⭐⭐
3. 会话放了很久，隔一大段时间又继续接着聊
建议： 只要隔了一段时间，就别迷信“接着聊”，直接开新会话更省。中招指数： ⭐⭐⭐
4. 工具返回一大坨日志、网页、命令输出，还让它继续分析
建议： 先截断，只保留前 50–100 行或关键报错。中招指数： ⭐⭐⭐⭐⭐
5. 让它反复进入“工具 → 分析 → 再工具 → 再分析”循环
建议： 一次性把目标说清楚，尽量少跑来回。*中招指数： * ⭐⭐⭐⭐
6. 开了 web search 就一路全网乱抓
建议： 先缩范围，再抓取；别一上来就全网撒网。*中招指数： * ⭐⭐⭐⭐
7. 把整篇公众号文章反复贴进聊天里来回改
建议： 分段改，一次只动一个部分。*中招指数： * ⭐⭐⭐⭐⭐
8. 让 agent 先读超长文档，再顺手总结
建议： 先人工裁出关键段落，再让它处理。*中招指数： * ⭐⭐⭐⭐
9. 频繁发图片、语音、PDF、截图让它看
建议： 能转成简短文字就先转；只给它必须看的那几页。中招指数： ⭐⭐⭐
10. 每次都让它重读一堆规则文件或长 MEMORY
建议： 长期规则写短，减少无效上下文和重复加载。*中招指数： * ⭐⭐⭐⭐
11. 用高价模型跑所有事情
建议： 重任务才上贵模型，轻任务换便宜模型。*中招指数： * ⭐⭐⭐⭐⭐
12. 同一个问题让多个 agent 轮流回答
建议： 一个任务尽量只指定一个 agent，别让多人重复消耗。中招指数： ⭐⭐⭐
13. 不看 /status 和 /usage，一路盲聊
建议： 定期检查用量，尽早发现谁最烧。中招指数： ⭐⭐⭐⭐
14. 用 OpenClaw 做“标题、摘要、润色、解释”这类纯文本小活
建议： 这类事优先丢给网页版千问、DeepSeek、Kimi。中招指数： ⭐⭐⭐⭐⭐
15. 把飞书私聊长期当成总工作台使用
建议： 私聊只发任务和短追问；长素材、长正文尽量放文档。中招指数： ⭐⭐⭐
如果你把上面这 15 条避开一半，Token 压力就会明显小很多。
建议：每次问虾之前先问自己两句
以后你每次准备打开 OpenClaw 前，先别急着用，先问自己两句话。
第一句：这件事是不是纯文本？
如果只是：
- 写标题
- 出摘要
- 润色
- 解释一个概念
- 拉个大纲
- 做一版改写
那大概率没必要用 OpenClaw。
这类活，网页版千问、DeepSeek、Kimi 往往更划算，甚至很多时候就是免费的。
第二句：这件事是不是需要多步执行，或者必须调用工具？
如果你要做的是：
- 查文件
- 跑命令
- 调接口
- 跨渠道处理消息
- 自动抓资料
- 串起一整段流程
那这时候再请 OpenClaw 出场，就值。
因为它真正强的地方，从来不是“比普通大模型更会写”，而是它能把事做下去。
这个判断法看起来简单，但真的能帮你省掉很多无意义消耗。
普通用户最省 Token 的通用工作流
如果你暂时不想折腾更复杂的 Agent 配置，直接照着这个版本来，就已经够用了。
1）正文工作，优先放到网页版模型里
选题、大纲、初稿、标题、摘要、润色，这些都可以优先在网页版千问、DeepSeek 或 Kimi 里完成。
这些动作本质上都是“纯文本处理”，没必要让 OpenClaw 带着整段上下文陪你一起烧钱。
2）OpenClaw 只负责“需要动手”的环节
比如：
- 读取某个文件夹
- 执行命令
- 处理飞书消息
- 串联网页资料
- 跑一个明确流程
这种事情交给 OpenClaw，才是用对地方了。
3）任何长任务都拆段处理
不要整篇文章、整本资料、整坨日志一次性往里喂。
就算模型支持长上下文，也不代表你应该这么用。模型能吃下，不等于你吃得起。
4）定期看 /status 或打开 /usage tokens
别等到额度突然见底，才开始怀疑人生。
你只要养成定期看用量的习惯，很快就会知道：到底是长会话最烧，还是日志最烧，还是你那个“顺手多问一句”的习惯最烧。
最后
OpenClaw 当然是个好工具，但它不是大模型的平替
也不是一个拿来随便聊天、顺便写点小活的“豪华聊天框”。它更像一个能替你跑流程、接工具、干执行活的助理。
所以最省钱的用法，不是少用它，而是用在对的地方。
网页版千问、DeepSeek、Kimi，适合随便聊、随手写、快速改。
OpenClaw，适合那些真的需要它“动手”的场景。
把这个边界想清楚，你就会发现：它依然很好用，而且没那么烧。
这样你既能让它替你干活，也不用担心一觉醒来，额度突然只剩下 30%。
这份清单，确实是我用真金白银换来的。
如果你最近也在折腾 OpenClaw，建议先把这篇收藏起来。以后每次觉得额度掉得不对劲，就回来对照一遍，基本都能找到原因。
要是你身边正好有个朋友，最近老在吐槽“怎么又没额度了”，也可以顺手转给他。 他大概率会谢你一句。
加入社群，一起“避坑”
我们有两个群，根据情况进：
🐣 小白避坑群——【龙虾池】
新手入门、基础教程、常见问题解答，帮你少走弯路。
🚀 进阶交流群
多Agent调优、模型路由、日志剪枝，深度玩家都在这里。
⚠️ 扫码加入，满员可加微信：lm519296828（备注“OpenClaw”）
往期文章：