OpenClaw 一个月烧了 $300?我帮朋友找到了罪魁祸首

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：

/compact

OpenClaw 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：

1. 现在就去开启 Caching（5 分钟）
2. 清理 Skills 列表，只保留常用的（10 分钟）
3. 压缩 TOOLS.md，详细配置移到单独文件（15 分钟）
4. 配置按需选模型，简单任务用 Haiku（5 分钟）
5. 定期清理工作区文件（每月 10 分钟）

30 分钟，省 80% 账单。

值。