第一个：/status

实时检查Token消耗情况，

在 OpenClaw 里，我建议你养成随手输入 /status 的习惯。

这个命令其实就是你的“仪表盘”。它会清晰地告诉你当前用的是什么模型，以及最关键的：Context（上下文）占用了多少。

如果你发现上下文已经快满了，就需要让它总结和记忆，让它进行总结

就需要使用第二个命令。

第二个：/compact

这里先普及一个知识点。

你在聊天界跟龙虾对话的每一条消息，都会被存进一个叫 session 的文件里。

当你发新消息时，系统会把最新消息加上 session 里的所有历史记录，一并发给大模型。

这就是为什么对话越久，Token 烧得越快。

这时候，你需要用到 /compact 这个指令。

它的逻辑很简单：把冗长的历史对话进行摘要压缩。

我试过，它能把 159K 的对话内容压缩到 2.6K。这种量级的优化，就节约了很多上下文的空间，也避免了Token的消耗。

很多人的习惯是一个窗口聊到底。

任务 A 做完了，直接在下面接任务 B。

但在产品逻辑里，如果两个任务没有关联，你应该果断使用 /new 命令。

发送/new 指令后，它给我的反馈的是 New session started，就是告诉我，它已经开启了一个全新的对话

如果不 new 一下，龙虾就会带着任务 A 的历史信息去处理任务 B。

这不仅是 Token 的浪费，更是一种干扰。

当然，你可能会担心龙虾“失忆”的问题。

其实很简单，对于那些必须让 AI 记住的重要信息（比如你的身份、偏好），在消息最后加上一句：“请务必将以上内容存入 memory”。

存入 memory 的信息是持久化的，即便你使用了 /compact 或 /new，它依然在那儿。

Token 贵吗？确实贵。

但如果你懂得如何管理上下文，如何利用 memory 沉淀核心资产，你就能用最低的成本，换取最高质量的产出。

本质上，管理 Token 就是在管理你的思考路径。

还有就是，

建议大家选择Coding Plan模型套餐来用

像是阿里百炼或者 Kimi 的 Coding Plan，评价都不错性价比也挺高的。