OpenClaw 账单优化指南：5 招帮你省下 80% 成本

上周一位朋友的"血泪史"让我印象深刻——这位仁兄用 OpenClaw 搭建了个 AI 助手，结果一个月账单飙到 $300 多。

他对着我哀嚎："这玩意儿是不是有毒？"

我反手给他开了个诊断，发现并不是 OpenClaw 有问题，而是他的使用姿势严重有问题。

他踩了 5 个坑，每个都在疯狂烧钱：该开缓存的没开、Skills 列表塞了 40 个、TOOLS.md 写了 5 万字……

今天就把这套"开源节流"的方案分享给你。

为什么账单会失控？真相比你想象的更惊人

很多人以为 AI 对话就是"发消息→收答案"。

但现实是：你问的是一句话，AI 接收的却是整本《百科全书》。

天气查询：7 个字 → 2 万个 Token

我朋友随便问了句："今天天气怎么样？"

AI 收到的内容是：

• 系统提示：9,600 Token
• Skills 列表：4,000 Token
• TOOLS.md：5,000 Token
• 对话历史：5,000 Token

小问一句，实际消耗了 2 万个 Token，真正在回答的只有 10 个。

按照 Claude Sonnet 4 的计价标准，单次对话 105 就这么出去了。

写代码：1,000 个 Token → 5 万个

让他头疼的是写代码任务。

AI 先读了 3份 文件，每份 1 万字符，然后写代码、调试、反复修改……最后生成的代码效果还不尽如人意。

一次任务消耗 5 万个 Token，90。

写文章：3,000 个 Token → 8 万个

最夸张的是让他写公众号文章。

AI 先抓取了 3 万 Token 的资料，再生成大纲、撰写初稿、反复润色……最终输出 1 万字，输入却长达 7 万。

单次支出 72。

三大项叠加，账单轻松突破 $300 大关。

第一招：启用缓存，省下 90% 的重复开销

这是效果最明显的优化项——省 $150/月

什么是 Prompt Caching？

简单来说，就是把不变的内容"寄存"起来，下次直接使用。

比如：

• 系统提示语
• Tools 描述
• Skills 列表

这些内容每次对话都一模一样，为什么每次都重新传输？

工作原理

Anthropic 的缓存机制采用"空间换时间"的设计：

• 首次写入：按正常价格 +25% 缓存费
• 后续复用：只收 10% 的价格

以 1 万 Token 的系统提示为例：

如何配置

打开 ~/.openclaw/openclaw.json，添加：

{"agents":{"defaults":{"models":{"anthropic/claude-sonnet-4":{"params":{"cacheRetention":"long"}}}}}}

注意： 选择 long 类型，缓存有效期 1 小时。如果你超过 1 小时没聊天，缓存会自动失效，系统会重新写入。

配合 Heartbeat 使用

为了保持缓存持续可用，建议开启"心跳"功能：

{"agents":{"defaults":{"heartbeat":{"every":"55m"}}}}

这样每 55 分钟系统会自动触发一次心跳，让缓存始终保持活跃状态。

我朋友按这个配置后，单次对话成本从 0.007，直呼："这招太狠了！"

第二招：清理冗余信息，Skills 和 TOOLS.md 也能精简

虽然启用了缓存，但还有 10% 的开销在烧钱——原因：无用信息涌入上下文

Skills 列表：从 40 个减少到 5 个

我朋友的 Skills 目录里躺着 40 个插件，但真正用到的只有 5 个：

• sherper：网页搜索必备
• github：代码管理常用
• summarize：内容摘要刚需
• weather：天气查询
• wechat-article：公众号写作

清理方法：

# 查看已安装的 Skillsclawhub list# 卸载不需要的clawhub uninstall skill-name

清理后，Skills 占用的 Token 从 4,000 降到 500，每月省 $55。

TOOLS.md：从 5 万字符压缩到 500 字符

朋友的 TOOLS.md 如同一本"工具使用手册"，记录了所有 SSH 配置、摄像头信息、语音设置等详细内容。

但这些信息绝大部分时间都用不上，只是在默默烧钱。

优化方案：

保留核心信息，详细内容移到单独文档：

# TOOLS.md## SSH- home-server → 192.168.1.100## TTS- 默认声音：Nova## 摄像头- living-room → 客厅- front-door → 入口详细配置见 `docs/tools-full.md`

把详细的配置文件移到 docs/tools-full.md，需要时再通过 read 命令读取。

压缩后，TOOLS.md 从 5,000 Token 降到了 50 Token。

第三招：压缩对话历史，摆脱 200 轮的负担

每月省 $15

OpenClaw 默认保留最近 200 轮对话，这会导致每次请求都要携带 5,000 Token 的历史记录。

三种压缩方式

自动压缩配置：

{"agents":{"defaults":{"contextPruning":{"enabled":true,"maxTurns":50}}}}

配置后，系统会自动保留最近 50 轮对话，超出部分会被压缩。

第四招：合理选择模型，别_IB_ Opus

每月省 $45

不是所有任务都需要顶级模型。

模型成本对比

实用建议：

• 天气查询、日常闲聊 → Haiku
• 写代码、写文章 → Sonnet
• 策略规划、合同审查 → Opus

第五招：定期清理工作区，保持环境整洁

每月省 $20

OpenClaw 会把工作区文件（MEMORY.md、TOOLS.md、AGENTS.md）加载到上下文中。

朋友的工作区文件总大小达到了 8,000 Token，每次对话都要携带这部分"额外 baggage"。

清理策略

• 删除过时内容（超过 6 个月未更新）
• 移动到归档文件夹
• 将长文档压缩成摘要

每月执行一次，工作区文件从 8,000 Token 降到 2,000 Token。

完整优化方案：账单从 60

经过这 5 项优化，朋友的月账单从 60，节省了 80%。

极限优化方案

有用户做到了 $10/月，方法是：

• 所有简单任务用 Haiku
• 代码任务交给 Ollama + DeepSeek Coder
• 只在关键任务时才使用 Sonnet

但代价是：Haiku 编码错误率从 5% 升到 20%，Ollama 生成 1,000 Token 需要 30 秒。

什么情况不该省钱？

以下场景建议直接使用 Opus：

• 合同审查、财务分析等关键决策
• 对质量有极致要求的输出
• 时间紧迫、时间比钱更值钱的情况

行动清单：30 分钟搞定优化

•  启用 Prompt Caching（5 分钟）
•  清理 Skills 列表（10 分钟）
•  压缩 TOOLS.md（15 分钟）
•  配置模型策略（5 分钟）
•  设置自动历史压缩（5 分钟）

30 分钟工作，换来每月 $240 的节省。

核心理念：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"。