OpenClaw 节省 Token 的10个实战技巧

最近一直在使用openclaw，刚刚开始的时候都是用免费的大模型，但是token实在用太快了，然后加付费买了大模型，结果这token哗哗如流水一下子就没了，而这Token 就是钱啊 ，后面就这网上查的大神们都如何控制token的，主要从配置上入手，配置得当，每个月能省下一笔不小的开支。

今天分享 10 个 OpenClaw 节省 Token 的实战技巧，适合自己部署或管理 OpenClaw 的用户。

1. 降低 Thinking 级别

OpenClaw 支持关闭 Thinking 模式，每次请求会大幅减少 token 消耗。

在对话中直接输入：

/thinking off

或者在配置文件里永久设置：

agents:defaults:thinking:"off"

💡 Think级别越高，模型推理消耗越多。除非是做复杂代码分析，日常对话完全可以关闭。

2. 选择性价比更高的模型

不是每个任务都需要最强的模型。

• 日常对话、简单查询：用 Kimi、GLM 等国产模型，Token 消耗比 Claude/GPT 低很多
• 复杂代码/技术写作：再用 GPT-4/Claude

OpenClaw 支持按会话覆盖模型：

/model glm-5

或者全局默认模型配置里选一个便宜的作为 default。

3. 控制 Heartbeat 频率

Heartbeat（心跳）是 OpenClaw 定期自检的机制，太频繁会持续消耗 Token。

在 HEARTBEAT.md 里做这几件事：

• 合并检查项：把邮件、日历、天气合并到一次心跳里，而不是拆成多个 cron 任务
• 延长间隔：非必要检查设成 30 分钟一次，不要设太密
• 关闭不需要的心跳：如果某个功能你根本不用，直接删掉

# ❌ 之前：三个独立 cron，每小时跑三次# ✅ 优化后：合并到一个心跳脚本里

4. 善用 Cron 而不是连续对话

需要定时任务时，用 Cron 定时触发 isolated session，不要开着一个长会话等人来问。

# 好：定时跑完就结束，不留上下文cron: "0 9 * * *" → isolated agent session# 差：开着一个会话反复 poll，session 上下文持续积累 token

5. Session 用完就清理

每个 Session 的历史上下文都会计入 Token 消耗。定期清理不用的会话：

/sessions

找到那些僵尸会话，手动关掉或删除。

6. 减少工具调用频率

工具调用（read、exec、web_fetch）本身不直接消耗模型 Token，但会：

• 触发新的模型推理（每次工具返回结果）
• 增加上下文体积

建议：

• 批量读文件时，用一个 read 调用读多行，而不是多次小读取
• 用 --limit 参数控制读取行数，不要每次都拉全文
• exec 的输出如果太长，加上 head 或 tail 截断

7. 控制输出长度

在任务描述里明确说"简洁回答"或"一句话总结"，减少模型的输出 token。

比如：

• ❌ "帮我分析一下这个项目"
• ✅ "用一句话总结这个项目的主要功能"

8. 使用 Light Context 模式

OpenClaw 支持轻量级上下文注入，某些定期任务可以用：

lightContext: true

这样系统只注入必要信息，不带完整的历史上下文，大幅节省 token。

9. 批量处理替代循环调用

❌ 循环调用 AI 处理每条数据

✅ 一次性把所有数据给 AI，让它批量处理

比如给 AI 10 条数据让它一次性总结，比调 10 次 API 省得多。

10. 定期查看 Token 使用报告

OpenClaw 支持查看会话级别的 Token 使用量：

/status

定期检查哪些会话消耗最高，找到问题所在，针对性优化。

总结

核心原则就一句话：让 AI 做的事越少、上下文越轻，Token 消耗就越低。

希望这些技巧对你有帮助！有问题欢迎留言交流。