乐于分享
好东西不私藏

OpenClaw 省 Token 指南:这样用,效率翻倍还省钱

OpenClaw 省 Token 指南:这样用,效率翻倍还省钱

Token 不是越省越好,而是不该花的不花,该花的一次到位

AI Agent 高效省钱实战|从原理到落地,一篇讲透

先搞懂:Token 究竟花在哪了?

用 OpenClaw 或任何 AI Agent 时,Token 只消耗在三个地方
消耗项
占比
说明
输入上下文
60–80%
你给的文件、聊天记录、文档、历史对话
模型思考
10–20%
推理过程(开启 Reasoning 会显著增加)
输出内容
10–20%
AI 生成的回复、方案、代码、文档
关键洞察:
省 Token 的核心不是让 AI 少说话,而是减少不必要的输入上下文

原则一:能不让 AI 读的,就别让它读

❌ 错误做法:一股脑全丢给 AI
“帮我看看这个项目怎么回事”
(然后丢了 20 个文件、3 个群聊记录、5 篇文档)
✅ 正确做法:先自己定位,再给材料
先判断哪个文件最相关
只给关键片段,不用全文
链接/引用代替全文

节省比例:50–70%

原则二:大文件分批次,别一次梭哈

❌ 错误做法:
“帮我分析这个 100 页 PDF”
全文上传 → 全文计费
✅ 正确做法:分步询问
先问目录结构(几乎不耗 Token)
精读关键章节
最后按需补充

节省比例:40–60%

原则三:能用小模型的,别上大模型

任务类型
推荐模型
原因
简单问答 / 总结
Flash / 基础版
快、便宜、够用
复杂分析 / 创作
Auto / 标准版
能力与成本平衡
代码 / 强推理
Pro / 高配版
需要强逻辑

节省比例:30–50%

原则四:关闭不必要的“思考过程”

Reasoning = 展示详细推理
✅ 适合开启:复杂逻辑题、审计场景
❌ 不用开启:日常问答、直接要结果
命令:
/reasoning off (关闭,省 Token)
/reasoning on (开启,需要透明度)

节省比例:20–40%

原则五:长对话定期“瘦身”

上下文越积越多,Token 越烧越猛。
✅ 正确做法:
主题分会话
定期总结结论
新会话继续

节省比例:30–50%

原则六:文件读取有技巧

❌ 错误做法:
“把我所有代码都看一遍”
✅ 正确做法:
列文件清单(不读内容)
针对性读取
大文件指定行号

节省比例:60–80%

原则七:飞书资源按需读取

飞书文档:先读摘要,再决定是否读全文
多维表格:用筛选条件,不导出全表
聊天记录:限定时间 + 关键词

节省比例:50–70%

原则八:输出内容要“刚刚好”

别让 AI 自由发挥,直接限定长度 + 格式
“用 300 字内总结”
“列出 5 个要点,每条不超过 20 字”
“用表格形式输出”

节省比例:20–40%

原则九:善用“记忆”,避免重复说明

身份、定位、业务、目标写入 MEMORY.md,一劳永逸。
不用每次都“自我介绍”
新会话直接调用记忆

节省比例:10–20%

原则十:批量任务合并执行

多个同类任务一次性合并,不要逐个询问。
上下文只加载一次
系统提示词只计费一次
横向对比,效率更高

节省比例:40–60%

常见误区:这些“省法”其实更费钱

❌ 误区1:指令极简短,让 AI 瞎猜
来回澄清 → Token 更浪费
正确:用 50–100 Token 说清需求,一次到位
❌ 误区2:完全不用记忆,每次重复背景
累积 Token 远超写入一次
正确:重要信息写入 MEMORY.md
❌ 误区3:为了省 Token,不给必要上下文
输出质量低 → 反复重写 → 更费
正确:给必要且充分的信息,不多不少
❌ 误区4:为省而省,牺牲核心价值
Token 是手段,不是目的
优先级:质量 > 效率 > 成本

总结:省 Token 核心心法

原则
一句话总结
节省比例
精简输入
先定位,再给材料
50–70%
分批读大文件
先结构,再精读
40–60%
按任务选模型
小任务用小模型
30–50%
关闭多余思考
简单任务关 Reasoning
20–40%
对话瘦身
按主题分会话
30–50%
精准读文件
先清单,再针对性
60–80%
飞书按需读
搜索代替遍历
50–70%
输出刚刚好
限定长度格式
20–40%
善用记忆
避免重复说明
10–20%
批量合并
一次处理多任务
40–60%

综合应用后,整体可节省:50–70% Token

最后一句话

Token 管理的本质,是信息管理
你给 AI 的信息越精准,它花得越少,干得越好
Token 是手段,不是目的。
该花就花,该省就省,张弛有度,才是高手
本文由 不懂技术的青蛙 实战整理|仅供学习使用
你的每一次高效,都是对成本的最好控制