OpenClaw 技能性能优化：10 个技巧减少 Token 消耗省下 80% 成本

OpenClaw 用着爽，账单看着慌？Token 消耗像流水，月账单几百刀？掌握这 10 个优化技巧，成本立减 80%。

Token 消耗从哪来？

消耗来源分析

来源	占比	说明
System Prompt	15-25%	Agent 配置、技能提示词
上下文历史	30-50%	对话记录、记忆内容
技能内容	10-20%	SKILL.md、工具定义
用户输入	5-10%	用户的问题和指令
输出响应	10-20%	AI 生成的回复

成本计算公式

总成本 = (输入 Token × 输入单价) + (输出 Token × 输出单价)

示例（DeepSeek）：
- 输入：100K Token × ¥0.001/K = ¥0.1
- 输出：50K Token × ¥0.002/K = ¥0.1
- 总计：¥0.2/次对话

---

技巧一：选择便宜模型

模型成本对比

模型	输入价格	输出价格	适用场景
DeepSeek Chat	¥1/百万	¥2/百万	日常对话、简单任务
DeepSeek Coder	¥1/百万	¥2/百万	代码生成、技术问答
GPT-4o	$2.5/百万	$10/百万	复杂推理、专业分析
Claude 3.5	$3/百万	$15/百万	长文本、代码理解

模型分级策略

{
  "model_tiers": {
    "simple": {
      "model": "deepseek-chat",
      "for": ["日常对话", "简单问答", "格式转换"]
    },
    "medium": {
      "model": "deepseek-coder",
      "for": ["代码生成", "代码审查", "技术文档"]
    },
    "complex": {
      "model": "gpt-4o",
      "for": ["复杂推理", "架构设计", "战略分析"]
    }
  }
}

自动模型选择

{
  "auto_model_selection": {
    "enabled": true,
    "rules": [
      {"task": "聊天", "model": "deepseek-chat"},
      {"task": "写代码", "model": "deepseek-coder"},
      {"task": "架构设计", "model": "gpt-4o"}
    ]
  }
}

省钱效果： ⬇️ 70-90%

---

技巧二：启用 Prompt Caching

什么是 Prompt Caching？

Prompt Caching 缓存重复的输入 Token，相同内容只计费一次。

配置方法

{
  "cache": {
    "enabled": true,
    "ttl": 3600,
    "cache_system_prompt": true,
    "cache_skills": true
  }
}

支持的模型

模型	支持	节省比例
DeepSeek	✅	50-70%
GPT-4o	✅	50-90%
Claude 3.5	✅	70-90%

省钱效果： ⬇️ 50-90%（重复对话）

---

技巧三：精简 System Prompt

问题示例

<!-- ❌ 冗长的 System Prompt（500+ Token） -->
你是一个专业的 AI 助手，你的名字是 XXX，你的能力包括：
1. 你可以回答各种问题
2. 你可以帮助用户完成任务
3. 你可以进行代码编写
...（继续列举 20 条）
你需要遵循以下规则：
规则1：...
规则2：...
...

优化后

<!-- ✅ 精简的 System Prompt（50 Token） -->
你是专业的代码助手，帮助用户解决编程问题。
遵循：简洁回答、代码示例、最佳实践。

省钱效果： ⬇️ 10-15%

---

技巧四：压缩记忆内容

问题示例

<!-- ❌ 冗长的记忆（2000+ Token） -->
2026-04-01：
今天开始了一个新项目，是一个电商后台管理系统。早上我和团队讨论了技术选型，最终决定用 Next.js 作为前端框架，因为它的 SSR 能力很好，SEO 也更友好。后端我们选择用 Prisma ORM...

2026-04-02：
继续昨天的项目开发，今天主要完成了用户模块的设计。数据库方面我们决定用 PostgreSQL...

（继续每天详细记录...）

优化后

<!-- ✅ 压缩的记忆（200 Token） -->
## 项目信息
- 名称：电商后台管理系统
- 技术栈：Next.js + Prisma + PostgreSQL
- 启动日期：2026-04-01

## 关键决策
- 2026-04-01：选型 Next.js（SSR/SEO）
- 2026-04-02：用户模块完成

配置自动压缩

{
  "memory": {
    "compression": {
      "enabled": true,
      "max_daily_note_size": 500,
      "summarize_after_days": 7
    }
  }
}

省钱效果： ⬇️ 15-25%

---

技巧五：限制上下文长度

配置方法

{
  "context": {
    "max_history_turns": 10,
    "max_tokens": 8000,
    "sliding_window": true
  }
}

参数说明

参数	建议值	说明
max_history_turns	10-20	保留最近 N 轮对话
max_tokens	4000-16000	上下文最大 Token
sliding_window	true	滑动窗口，自动丢弃旧对话

省钱效果： ⬇️ 20-30%

---

技巧六：精简技能内容

问题示例

<!-- ❌ 冗长的 SKILL.md（3000+ Token） -->
# 代码助手技能

## 功能说明
这个技能可以帮助用户完成各种代码相关的任务，包括但不限于：
1. 代码编写
2. 代码审查
...（列举 20 条）

## 详细使用说明
当用户请求帮助时，你应该首先理解用户的需求，然后...
...（详细步骤说明）

优化后

<!-- ✅ 精简的 SKILL.md（300 Token） -->
# 代码助手

## 触发
- 用户说"写代码"、"审查代码"

## 规则
- 输出可执行代码
- 添加必要注释
- 遵循最佳实践

省钱效果： ⬇️ 5-10%

---

技巧七：使用子 Agent 隔离上下文

问题

长对话上下文越来越长，每次请求都带全部历史。

解决方案

{
  "subagents": {
    "code-reviewer": {
      "isolate_context": true,
      "max_context_tokens": 4000
    }
  }
}

工作原理

主控 Agent（上下文 20K Token）
      │
      ├─ 子 Agent A（隔离上下文 4K Token）
      │    └─ 只接收必要信息
      │
      └─ 子 Agent B（隔离上下文 4K Token）
           └─ 只接收必要信息

省钱效果： ⬇️ 30-50%（复杂任务）

---

技巧八：按需加载技能

配置懒加载

{
  "skills": {
    "lazy_load": true,
    "load_on_trigger": true,
    "unload_after_idle": 300
  }
}

效果

• 只加载当前需要的技能
• 空闲 5 分钟后自动卸载
• 减少 System Prompt Token

省钱效果： ⬇️ 5-10%

---

技巧九：批量处理减少请求

问题

# ❌ 逐个处理，每次都有系统开销
openclaw run --task "分析文件1"
openclaw run --task "分析文件2"
openclaw run --task "分析文件3"

优化后

# ✅ 批量处理，共享上下文
openclaw run --task "分析文件1、2、3"

配置批量模式

{
  "batch": {
    "enabled": true,
    "max_batch_size": 10,
    "share_context": true
  }
}

省钱效果： ⬇️ 20-40%（批量任务）

---

技巧十：Heartbeat 调频

问题

默认 Heartbeat 每分钟检查一次，产生大量请求。

优化配置

{
  "heartbeat": {
    "interval": 300,
    "idle_interval": 600,
    "disable_when_idle": true
  }
}

参数说明

参数	建议值	说明
interval	300-600	活跃时检查间隔（秒）
idle_interval	600-1800	空闲时检查间隔
disable_when_idle	true	空闲时禁用

省钱效果： ⬇️ 10-20%

---

成本监控

查看用量统计

# 查看今日用量
openclaw stats --today

# 查看本月用量
openclaw stats --month

# 导出详细报告
openclaw stats --export report.csv

设置预算预警

{
  "budget": {
    "daily_limit": 5,
    "monthly_limit": 100,
    "alert_threshold": 0.8,
    "alert_webhook": "https://your-webhook.com"
  }
}

用量分析报告

# 本月 Token 用量报告

## 总消耗
- 输入：12,345,678 Token
- 输出：4,567,890 Token
- 费用：¥28.50

## 分类统计
| 类型 | Token 占比 | 费用占比 |
|------|-----------|----------|
| System Prompt | 18% | ¥5.13 |
| 上下文历史 | 42% | ¥11.97 |
| 技能内容 | 12% | ¥3.42 |
| 输出响应 | 28% | ¥7.98 |

## 优化建议
1. 启用 Prompt Caching 可节省 ¥5-10
2. 压缩记忆可节省 ¥3-5
3. 限制上下文长度可节省 ¥4-8

---

优化效果对比

优化前

项目	月消耗	费用
输入 Token	100M	¥100
输出 Token	30M	¥60
总计	-	¥160

优化后

技巧	节省
使用 DeepSeek	¥100 → ¥20
启用 Prompt Caching	-50%
精简记忆	-20%
限制上下文	-25%
其他优化	-15%
总计	¥160 → ¥25

总节省：84% ⬇️

---

快速检查清单

立即可做

• 切换到 DeepSeek/便宜模型
• 启用 Prompt Caching
• 设置预算预警

一周内做

• 精简 System Prompt
• 压缩记忆内容
• 限制上下文长度

持续优化

• 定期检查用量报告
• 精简技能内容
• 优化 Heartbeat 频率

---

总结

技巧	节省比例	实施难度
选择便宜模型	70-90%	⭐ 简单
Prompt Caching	50-90%	⭐ 简单
精简记忆	15-25%	⭐⭐ 中等
限制上下文	20-30%	⭐ 简单
精简 System Prompt	10-15%	⭐⭐ 中等
子 Agent 隔离	30-50%	⭐⭐⭐ 复杂
批量处理	20-40%	⭐⭐ 中等
Heartbeat 调频	10-20%	⭐ 简单

核心原则：

1. 能用便宜模型就不用贵模型
2. 能缓存就缓存
3. 上下文能短就短
4. 定期检查用量

掌握这 10 个技巧，把 OpenClaw 用到极致，让账单降到最低。记住：省钱不是不用，而是用得聪明。