夜雨聆风上周有个朋友找我吐槽，说他用 OpenClaw 搭了个 AI 助手，一个月账单 $300 多。
他问我："这玩意儿是不是有毒？"
我看了他的配置，笑了。
不是 OpenClaw 有毒，是他用法有毒。
他犯了 3 个致命错误，每个都能让账单翻倍：没开缓存、Skills 列表塞了 40 个、TOOLS.md 写了 5 万字……
今天就聊聊，OpenClaw 怎么用才不会被账单暴击。
问题根源：你以为花 10 个 Token，实际花了 2 万个
很多人以为 AI 对话就是"发消息→回复"。
实际上，每次对话模型看到的远不止你的消息。
你以为：问个天气，10 个 Token
实际：2 万个 Token
我朋友问 AI："今天天气怎么样？"（7 个字）
AI 收到的是：
系统提示：9600 Token 40 个 Skills 描述：4000 Token TOOLS.md（被截断）：5000 Token 对话历史（200 轮）：5000 Token
背景信息 2.3 万 Token，回答"晴天 20 度"只用 10 个。
按 Claude Sonnet 4 的价格（0.07。一天聊 50 次，一个月 $105。
相当于每次聊天打一次滴滴。
你以为：写个脚本，1000 个 Token
实际：5 万个 Token
他让 AI 写个 Python 脚本。
AI 先读了 3 个文件（每个 1 万字符），然后写代码、调试、修改……工具调用结果又占了 2 万 Token。
一次代码任务 5 万 Token，$0.15。
一个月写 20 次，$90。
你以为：写篇文章，3000 个 Token
实际：8 万个 Token
他让 AI 写篇公众号文章。
AI 先搜索资料（网页抓取 3 万 Token），生成大纲、写初稿、修改……输出 1 万 Token，但输入 7 万 Token。
一次长文 8 万 Token，$0.24。
一个月写 10 篇，$72。
三个场景加起来：300。
第一招：开启 Prompt Caching，省 90% 重复成本
省钱效果：$150/月
我朋友问我："Caching 是什么？听起来很复杂。"
我说：把不变的部分缓存起来，下次直接复用。
为什么能省 90%？
你的系统提示、工具列表、Skills 列表，这些东西每次对话都一样，为什么要重复计费？
Anthropic 的 Prompt Caching 机制：
首次写入缓存（Cache Write）：按正常价格 + 25% 缓存费 后续读取缓存（Cache Read）：只收 10% 的价格
举个例子：
系统提示 1 万 Token，首次写入 3/百万 × 1.25） 后续每次对话，读取缓存只花 3/百万 × 0.1）
省了 90%。
原理是什么？
Caching 的本质是"空间换时间"——Anthropic 把你的提示词存在服务器上，下次对话直接调用，不用重新传输和处理。
缓存有过期时间（TTL）：
short：5 分钟（适合 API Key 用户）long：1 小时（适合 OAuth 用户）
如果你 1 小时不说话，缓存就失效了，下次又要重新写入。
怎么开启？
在 ~/.openclaw/openclaw.json 里加这几行：
{"agents":{"defaults":{"models":{"anthropic/[REDACTED]":{"params":{"cacheRetention":"long"}}}}}}建议：直接用 long。
配合 Heartbeat 保持缓存温热
我朋友又问："如果我 1 小时不说话，缓存就失效了？"
对。但有个办法：让 OpenClaw 每隔 55 分钟自动"心跳"一次，保持缓存活跃。
{"agents":{"defaults":{"heartbeat":{"every":"55m"}}}}Heartbeat 会在后台静默运行，不会打扰你，但能让缓存一直热着。
我朋友开启 Caching + Heartbeat 后，日常聊天的成本从每次 0.007。
他发了条消息："卧槽，账单真的降了！"
一个月省 $150。
第二招：清理无用信息，别让 Skills 和 TOOLS.md 吃 Token
省钱效果：$70/月
Caching 解决了 90% 的重复成本，但还有 10% 的钱花在哪了？
答案：无用信息。
我朋友的配置里，Skills 列表塞了 40 个，TOOLS.md 写了 5 万字。
但他实际用的只有 5 个 Skill，TOOLS.md 里 80% 的内容从来没用过。
Skills 清理：只保留常用的
每个 Skill 约 100 Token。40 个 Skill = 4000 Token。
但他实际用的只有 5 个：
serper（搜索）github（代码管理）summarize（内容总结）weather（天气查询）wechat-article（公众号写作）
怎么清理？
ls ~/.openclaw/skills # 查看当前 Skillsrm -rf ~/.openclaw/skills/不用的技能名 # 删掉不用的或者用 clawhub 管理：
clawhub list # 查看已安装的 Skillsclawhub uninstall 技能名清理后，Skills 列表从 4000 Token 降到 500 Token。
TOOLS.md 压缩：只保留最常用的配置
我朋友的 TOOLS.md 写了 5.4 万字符，记录了所有工具的详细用法、SSH 配置、摄像头列表……
问题：这些信息大部分时候用不到，但每次都在烧钱。
解决办法：精简 TOOLS.md，详细文档放到单独文件里，需要时再 read。
改成这样（500 字符）：
# TOOLS.md## SSH- home-server → 192.168.1.100## TTS- 默认声音：Nova## 摄像头- living-room → 客厅- front-door → 门口详细配置见 `docs/tools-full.md`把详细配置（5 万字符）移到 docs/tools-full.md，需要时让 AI read 这个文件。
压缩后，TOOLS.md 从 5000 Token 降到 50 Token。
我朋友清理完，发了条消息："原来我一直在给 AI 喂垃圾信息……"
每次对话省 8500 Token，一个月省 $70。
第三招：压缩对话历史，别让 200 轮聊天拖累速度
省钱效果：$15/月
OpenClaw 默认会保留最近 200 轮对话历史。
问题：200 轮对话约 5000 Token，每次都要发给模型。
解决办法：定期压缩对话历史。
手动压缩
在对话里输入：
/compactOpenClaw 会把对话历史压缩成摘要，保留关键信息，删掉冗余内容。
压缩后，5000 Token 的历史可以降到 500 Token。
自动压缩
在配置里开启 contextPruning：
{"agents":{"defaults":{"contextPruning":{"enabled":true,"maxTurns":50}}}}这样 OpenClaw 会自动保留最近 50 轮对话，超过的部分自动压缩。
定期重置
如果对话历史太长，可以用 /new 或 /reset 开启新会话。
我朋友开启自动压缩后，对话历史从 5000 Token 降到 1000 Token。
每次对话省 4000 Token，一个月省 $15。
第四招：按需选模型，别什么都用 Opus
省钱效果：$45/月
不是所有任务都需要 Claude Opus 4。
模型价格对比：
我朋友的问题：所有任务都用 Sonnet，包括简单的"今天天气怎么样"。
优化方案：
简单对话、文本总结：用 Haiku（$0.25/百万 Token） 写代码、写文章：用 Sonnet（$3/百万 Token） 复杂推理、关键决策：用 Opus（$15/百万 Token）
怎么切换？
在对话里直接用 /model 命令：
/model anthropic/[REDACTED]或者在配置里设置默认模型：
{"agents":{"defaults":{"model":"anthropic/[REDACTED]"}}}建议：日常用 Haiku，写代码用 Sonnet，复杂任务再切 Opus。
我朋友改成"日常 Haiku + 写代码 Sonnet"后，一个月省 $45。
第五招：清理工作区文件，别让 AI 读一堆没用的东西
省钱效果：$20/月
OpenClaw 会把工作区文件（MEMORY.md、TOOLS.md、AGENTS.md 等）加载到上下文里。
问题：如果这些文件太大，每次对话都要花 Token。
我朋友的工作区文件：
MEMORY.md：2 万字符（2000 Token）TOOLS.md：5 万字符（5000 Token）AGENTS.md：1 万字符（1000 Token）
总计：8000 Token，每次对话都要发给模型。
怎么清理？
定期检查工作区文件，删掉过时内容：
ls ~/.openclaw/workspace清理原则：
删掉过时内容 移到归档文件夹 压缩成摘要
建议：每个月清理一次。
清理后，工作区文件从 8000 Token 降到 2000 Token。
每次对话省 6000 Token，一个月省 $20。
总结：从 60，省钱路线图
我朋友按照这 5 个招数优化后，账单从 60。
省钱路线图：
如果你只有 5 分钟，先做第一招。
如果你有 30 分钟，再做第二招和第四招。
极限优化：能做到 $10/月 吗？
能。
我见过最省钱的用户，一个月只花 $10。他的做法：
日常聊天全用 Haiku（$0.25/百万 Token） 写代码用本地模型（Ollama + DeepSeek Coder） 只在需要最高质量时才用 Sonnet
但代价是：
Haiku 写代码容易出错，出错率从 5% 涨到 20% 本地模型速度慢，生成 1000 Token 要 30 秒 需要自己维护本地模型，折腾成本高
什么情况下不该省钱？
不是所有场景都适合省钱。
如果你：
用 AI 做关键决策（比如写合同、分析财报） 需要最高质量输出（比如写重要文章、设计架构） 时间比钱更值钱（比如紧急任务）
那就别省。直接用 Opus，花钱买质量。
AI 的本质是"按需付费"——不是"能省就省"，而是"该花就花，不该花就不花"。
行动清单：
现在就去开启 Caching（5 分钟） 清理 Skills 列表，只保留常用的（10 分钟） 压缩 TOOLS.md，详细配置移到单独文件（15 分钟） 配置按需选模型，简单任务用 Haiku（5 分钟） 定期清理工作区文件（每月 10 分钟）
30 分钟，省 80% 账单。
值。