夜雨聆风OpenClaw 就是大家俗称的"龙虾"，下文统一用 OpenClaw。
用 OpenClaw 两个月之后，我做了一件事——把这段时间的花费拉出来，仔细看了一遍。
说实话，一开始我觉得这事不复杂——模型选好、用量控制一下就行了嘛。后来才发现，省钱这件事，不是一开始就能算清楚的。得先用上一段时间，才知道钱到底花在了哪。
今天就把我这两个月摸出来的一些经验聊一聊。
一、设备这一块，其实花不了多少
OpenClaw 需要一台电脑来跑。我自己用的是一台闲置的旧笔记本，配置一般，但完全够用了。专门拿来跑它，平时不做别的。
如果手头没有闲置电脑，也可以考虑租云服务器。阿里云、腾讯云都有，赶上大促活动的时候，低配的一年也就一两百块。不过如果还不确定自己会长期用，先按量付费试一阵子可能更稳妥，免得买完又吃灰——毕竟上一篇也说了，不是所有人都能坚持用下去。
设备这块选择不多，也花不了太多钱。真正拉开差距的是后面两件事。
二、选模型这件事，不能只看价格
这个感受不是一开始就有的，是被一次真实经历教会的。
我让 OpenClaw 帮我盯租房信息——定时刷页面、筛选符合条件的房源、整理好发通知给我。一开始用的是 GPT-5.3-codex，跑得很稳，筛出来的信息完整，通知也准时到位。
后来用量超了，一看账单有点心疼——能不能换个便宜的？
我换成了国产的 MiniMax 2.7 模型。同样的任务，同样的配置。结果发给我的信息开始不全，有时候浏览器都调不稳，直接走了公开查询，漏掉不少房源。我调教了几轮，前面能跑通，但定时任务一跑起来，隔几次就冒出新问题。
说实话，那段时间挺纠结的。一方面想省钱——毕竟这只是个盯盘任务，不是什么高难度的活儿，花太多钱总觉得不值；另一方面每次通知出问题，我就得自己上去查一遍、补一遍，花的时间加起来比省的钱多得多。
后来实在烦了，换回国际旗舰模型，问题马上消失。那一刻我才真正想通：表面上每次调用省了钱，但多出来的调用次数和你自己花的时间，加在一起反而更贵。
想通这件事之后，我在模型上的思路就变了——不是挑最便宜的，而是想办法用尽量少的钱，用上够好的模型。
第一个办法是任务分流。 不是所有任务都需要最强的模型。我弄了两个 Agent，对应三个机器人：一个专门跑复杂任务，配能力更强的模型；另外两个处理日常简单的活儿，配便宜一些的。像盯房源这种需要操作浏览器、稳定输出的，走贵的；日常简单问答，走便宜的就够了。
心跳任务也值得留意——OpenClaw 后台会定时跑巡检，默认走的是子代理模型。这类简单任务换成便宜的小模型完全够用。我把子代理的模型调整之后，心跳自动跟着变了，这一块的开销就降下来不少。
第二个办法是挑渠道。 同样的模型，走不同渠道价格能差不少。我目前主要用的是 GitHub Copilot Pro，一个月 10 美元，含 300 次高级模型调用，Claude、Gemini、GPT 都能用；mini 类的小模型基本免费。超过之后按量付费，大概 0.04 美元一次，比直接调官方 API 便宜不少。
如果想试更多模型，OpenRouter 基本上主流的都有，按量调用，价格是官方原价。适合探索期试手，不适合大量跑。等确定了要长期用哪个模型，再去对应厂商找订阅方案，一般会划算一些。
国内的话，阿里云和火山引擎也有类似的通用订阅，能调多家国内旗舰模型，价格更亲民。如果任务主要在中文场景，对模型能力的要求不是特别高，这些也挺好用的。
三、真正省钱的，是用的时候那些小习惯
设备和模型定下来之后，我发现日常使用中的一些习惯，对花费的影响反而更大。
跟它说话的方式，是我最先发现有影响的地方。
一开始我跟它沟通有点像发微信——想到什么说什么，一句话一个问题，背景也不交代，等它问了再补。后来回头看 token 统计才意识到，这样特别费。它每追问一轮、我补一轮，来回几个回合，token 量比一次说清楚要大得多。
后来我慢慢调整了习惯：同一类的问题尽量合在一条里问；它不了解的背景，主动交代清楚，不等它追问；如果是让它做一件事，把"做到什么程度算完"也说在前面。说白了就是把它当一个刚入职的同事来对待——你交代任务越清楚，它返工的概率就越低。这些变化不大，但省下来的调用确实能感觉到。
会话管理是我后来才意识到的另一件事。
OpenClaw 每新起一个会话，会重新读一遍你的配置文件和近期记忆，这些加起来 token 量不小。如果按量付费，频繁新建会话，光"启动成本"就不低。
但反过来，一个会话聊太久不换，历史消息越积越多，每次调用也会越来越贵。
我自己摸出来的节奏大概是这样：连续问答、话题没变，就接着聊。因为连续对话有缓存，缓存命中的成本大概只有正常的十分之一。但如果已经换了话题，或者隔了一段时间回来，就直接起新会话，干干净净的反而划算。
具体什么时候切，说实话我到现在也没有特别精确的标准。大致的感觉是：连续两三轮、任务没变，就接着聊；四五轮以上或者话题明显变了，就新建。如果拿不准，可以去网页端看过去的会话记录和 token 统计，看几次就慢慢有感觉了。
另一个对我帮助很大的习惯，是让它写操作手册。
带着 OpenClaw 把一件事跑通之后，下次再做类似的事，它是能按记忆来执行的。但它默认记录的东西往往不够详细，下次遇到细节问题，它可能又会重新摸索、反复犯错——每一次"尝试"都是在烧调用。
后来我的做法是：每次做完一个任务，让它写一份详细的操作手册，每一步的操作、注意事项、容易踩的坑都记清楚。下次跑同样的任务，让它严格按手册执行。不仅更稳定，token 消耗也确实少了不少。
还有一个不起眼的小事——OpenClaw 的操作经常需要输入一些命令，一开始我觉得挺麻烦的。后来发现输入法大多支持自定义短语，像新建会话、切换模型这些常用命令，配成快捷输入，一键就能打出来。这种小改动，积少成多，用起来顺手了不少。
四、有时候，不一定非要用 OpenClaw
这话说出来可能有点奇怪——写了一个系列的文章，却说不一定非要用它。
但这确实是我自己踩出来的感受。有一次我就为了问一个简单问题，开了 OpenClaw——等它启动、读配置、跑完一圈流程，花了好几分钟。后来想想，这事直接在命令行敲一句就能搞定。
从那以后我开始有意识地分流：像 OpenCode、Claude Code 这类命令行工具，装上一些扩展，简单的问答、写段脚本、做个分析，处理起来反而更快更流畅，也没那么多后台开销。OpenClaw 我就留给它真正擅长的事——持续运行、操作浏览器、跑复杂流程。
这么一分，每个月的调用量确实少了一些。
五、回头看，省钱的前提是先看清楚
两个月前刚开始用的时候，我也想过一步到位——模型选最便宜的，能省则省。结果就是前面说的那些弯路：便宜模型反复出错、会话开了又开、时间花了一堆。
后来把账单拉出来一看才明白，有些钱花在了模型上，有些花在了"它犯错后的重复尝试"上，还有些花在了不必要的会话开销上。搞清楚了钱花在哪，省钱的思路其实就自然浮出来了。
说实话，到现在我也不敢说自己的方案就是最优的，可能过两个月回头看又会觉得哪里可以再调。但有一点我是真的想通了：
很多时候，你以为自己在省钱，其实是在用时间换钱——而时间，往往比钱更贵。
这两个月摸下来，这句话我是真信了。
