夜雨聆风“2小时，100美元。”
这不是高端俱乐部的账单，而是一位OpenClaw用户在真实开发场景中产生的Token费用。
同样是OpenClaw，有人每月运行成本接近于零，有人却成本高企。这种巨大的差异，很大程度上并非来自使用频率的不同，而是源于对系统架构的理解深度。而其中最隐蔽也最致命的陷阱，就是像滚雪球一样不断膨胀的历史上下文。
很多新手以为，Token消耗就是“我说的话加上AI回的话”。但真相是：你付的钱，远比你看到的多。
在一次典型的OpenClaw调用中，大模型接收到的内容远不止当前这一轮对话。它包括：
固定开销：系统提示词、可用工具列表、技能描述、人格设定文件等。这部分像“房租”，每次调用都得付。
可变开销：当前session累积的全部历史对话，包括用户消息、AI回复、工具调用记录等。这部分像“水电费”，用得越多付得越多。
随着对话进行，历史记录越来越长。一条35条消息的会话，session文件可能膨胀到近3MB。每次调用大模型时，这些历史都会被完整地提交上去——就像每次谈话都要把之前说过的所有话从头到尾复述一遍。
02 “滚雪球”是如何发生的？
OpenClaw的智能体工作模式是循环式的“思考-行动-观察”，而不是简单的一问一答。为了完成一个复杂任务，比如“帮我分析这份数据并生成报告”，OpenClaw可能需要：
先读取数据文件（一次调用）
理解数据内容（二次调用）
规划分析步骤（三次调用）
执行分析（可能多次工具调用）
生成报告（最后一次调用）
每一次调用，都会把前面所有的对话历史重新提交一次。这就好比你要写一份报告，每写一段都要把之前写的内容全部重读一遍。写到后面，光是“重读”的时间就远远超过了“写”的时间。
03 如何让雪球不再滚下去？
看清自己的消耗
OpenClaw提供了查看Token使用情况的命令。定期检查会话长度，当发现会话文件超过500KB时，就要警惕了。你可以通过对话界面查看当前会话的上下文使用量，了解每次调用的真实成本。
区分“临时任务”和“长期任务”
对于一次性任务，完成后直接用/new命令开启新会话，不要让历史无限累积。这就像做完一个项目就关掉文件夹，下次做新项目时重新打开。
对于需要长期持续的任务，要有意识地定期“存档”重要信息，然后开启新会话继续。
考虑使用Lossless-Claw
2026年3月推出的Lossless-Claw插件，通过“档案馆+目录”的方式解决了这个问题：所有历史消息完整存储在本地数据库中，提交给模型的只是精炼的摘要目录。需要细节时，AI可以主动去“档案馆”调阅。这样既控制了每次调用的成本，又保证了信息不丢失。
核心启示
在OpenClaw的世界里，你不仅是在为“思考”付费，更是在为“记住”付费。了解成本结构，让每一次调用都物有所值，而不是为已经过去的对话反复买单。
往期精彩回顾
《“养虾人”注意：OpenClaw口头指令不能代替书面指令》
本文作者：
