💰 OpenClaw 成本优化实战指南

导读：AI Agent跑起来后，API费用是不是让你心痛？本教程分享实战验证的成本优化策略，从模型选择到上下文压缩，从本地混合到缓存复用，帮你把每月AI费用降到最低。

📊 成本构成分析

AI Agent的成本主要来自以下几个方面：

成本项	占比	优化空间
API调用费（Token）	60-80%	⭐⭐⭐⭐⭐
上下文传输费	10-20%	⭐⭐⭐⭐
工具调用费	5-10%	⭐⭐⭐
子Agent费用	5-15%	⭐⭐⭐

🎯 策略一：智能模型路由

不同任务使用不同模型，简单任务用便宜模型，复杂任务用强模型。

按任务类型路由

# ~/.openclaw/config.yaml
routing:
  strategy: "task-based"
  rules:
    # 简单问答 → 便宜模型
    - match: 
        taskType: "simple_qa"
      model: "gpt-4o-mini"
      
    # 代码生成 → 强模型
    - match:
        taskType: "code_generation"
      model: "gpt-4o"
      
    # 数据分析 → 中等模型
    - match:
        taskType: "data_analysis"
      model: "gpt-4o-mini"
      
    # 创意写作 → 强模型
    - match:
        taskType: "creative_writing"
      model: "gpt-4o"
      
    # 默认
    - default:
      model: "gpt-4o-mini"

按复杂度路由

# 根据问题复杂度自动选择模型
routing:
  strategy: "complexity-based"
  
  # 本地模型处理简单任务
  localModel: "ollama/qwen2:7b"
  
  # 云端模型处理复杂任务
  cloudModel: "gpt-4o"
  
  # 复杂度判断规则
  rules:
    # 短问题用本地模型
    - condition: "message.length < 100"
      model: "local"
      
    # 包含代码的问题用云端
    - condition: "contains('代码|编程|debug')"
      model: "cloud"
      
    # 默认用本地模型
    - default:
      model: "local"

🎯 策略二：本地+云端混合

将大部分任务交给本地免费模型，只在需要时调用云端API。

混合部署配置

# 本地模型处理80%的日常任务
providers:
  # 本地Ollama（免费）
  ollama:
    type: openai
    baseURL: "http://localhost:11434/v1"
    apiKey: "ollama"
    models:
      - qwen2:7b
      - llama3:8b

  # 云端API（按需付费）
  openai:
    type: openai
    apiKey: "sk-xxx"
    models:
      - gpt-4o
      - gpt-4o-mini

# Agent配置：默认用本地，需要时切云端
agents:
  default:
    model: "ollama/qwen2:7b"  # 默认本地
    
    # 自动降级策略
    fallback:
      enabled: true
      fallbackModel: "gpt-4o-mini"
      triggers:
        - "local_model_timeout"
        - "local_model_error"
    
    # 按需升级策略
    upgrade:
      enabled: true
      upgradeModel: "gpt-4o"
      triggers:
        - "complex_task_detected"
        - "code_generation_request"

🎯 策略三：上下文压缩

减少每次请求的Token数量是最直接的省钱方式。

1. Light Context模式

# 对简单任务使用轻量上下文
# 不注入完整的SOUL.md和TOOLS.md
agents:
  quick-responder:
    lightContext: true
    systemPrompt: "简洁回答问题。"  # 最小化系统提示

# 在Cron任务中使用
openclaw cron add \
  --name "quick-check" \
  --schedule "*/10 * * * *" \
  --light-context \
  --task "检查服务器状态"

2. 上下文截断策略

# 控制上下文窗口大小
context:
  # 最大消息数
  maxMessages: 30
  
  # 策略选择
  strategy: "sliding"  # 滑动窗口
  
  # 保留首尾
  keepFirst: 3   # 系统提示 + 前几条
  keepLast: 20   # 最近的对话

3. 消息压缩

# 长对话自动压缩
context:
  compression:
    enabled: true
    triggerAfter: 20  # 20条消息后触发
    method: "summarize"  # AI总结旧消息
    
    # 保留关键信息
    preserve:
      - "用户偏好"
      - "重要决定"
      - "待办事项"

🎯 策略四：缓存复用

1. 响应缓存

# 缓存常见问题的回答
cache:
  enabled: true
  provider: "memory"  # 或 "redis"
  
  # 缓存策略
  rules:
    # 相同问题直接返回缓存
    - match: "exact"
      ttl: 3600  # 1小时
      
    # 相似问题使用缓存
    - match: "semantic"
      threshold: 0.95
      ttl: 1800  # 30分钟

2. 工具结果缓存

# 缓存工具调用结果
tools:
  cache:
    enabled: true
    
    # 搜索结果缓存
    web_search:
      ttl: 7200  # 2小时
      
    # 网页内容缓存
    web_fetch:
      ttl: 86400  # 24小时
      
    # 文件读取缓存
    read:
      ttl: 300  # 5分钟

🎯 策略五：批处理优化

合并多个请求

# 将多个小任务合并为一个大任务
# ❌ 不好的做法：多次调用
for keyword in keywords:
    generate_article(keyword)  # 每次都是独立API调用

# ✅ 好的做法：一次调用处理多个任务
generate_articles(keywords)  # 一次API调用处理所有关键词

# 在Cron任务中体现
openclaw cron add \
  --name "batch-seo" \
  --schedule "0 2 * * *" \
  --task '批量生成5个SEO页面（一次完成，不是5次调用）：
    1. 选择5个关键词
    2. 一次性生成所有页面内容
    3. 批量保存到网站'

🎯 策略六：Token级优化

1. 精简系统提示

# ❌ 冗长的系统提示（浪费Token）
systemPrompt: |
  你是一个非常专业且友好的AI助手，你的名字叫小智。
  你擅长回答各种问题，包括但不限于技术问题、生活问题、工作问题。
  请始终保持礼貌和耐心，用简洁明了的语言回答用户的问题。
  如果你不确定答案，请坦诚告知用户。
  ...

# ✅ 精简的系统提示（节省Token）
systemPrompt: "小智，专业AI助手。简洁回答，不确定时说明。"

2. 控制输出长度

# 限制输出Token数
agents:
  default:
    maxTokens: 1024  # 默认限制输出长度
    
  detailed-writer:
    maxTokens: 4096  # 需要长输出时单独配置

3. 使用更便宜的模型变体

# 价格对比（2026年6月）
# GPT-4o:       $5/1M input,  $15/1M output
# GPT-4o-mini:  $0.15/1M input, $0.6/1M output  ← 便宜33倍！
# Claude 3.5:   $3/1M input,  $15/1M output
# 本地模型:     $0（仅电费）

# 策略：默认用mini，关键任务用4o
agents:
  default:
    model: "gpt-4o-mini"  # 日常任务
  critical:
    model: "gpt-4o"       # 关键任务

📊 成本监控与告警

1. 实时成本追踪

# OpenClaw内置成本追踪
# 查看当前会话的token使用
session_status

# 查看历史成本统计
openclaw cost report --period monthly

# 设置预算告警
openclaw config set budget.monthly_limit 100  # $100/月
openclaw config set budget.alert_threshold 80  # 80%时告警

2. 自动成本报告

# 每周生成成本报告
openclaw cron add \
  --name "cost-report" \
  --schedule "0 9 * * 1" \
  --task '生成AI成本周报：
    1. 统计本周各模型的Token使用量
    2. 计算各Agent的费用占比
    3. 识别最耗Token的任务
    4. 提出优化建议
    5. 生成报告通过飞书发送'

📋 成本优化检查清单

优化项	预计节省	实施难度	状态
智能模型路由	30-50%	⭐⭐	✅ 推荐
本地+云端混合	50-80%	⭐⭐⭐	✅ 推荐
上下文压缩	20-30%	⭐	✅ 必做
缓存复用	10-20%	⭐⭐	✅ 推荐
批处理优化	15-25%	⭐⭐	✅ 推荐
精简系统提示	5-15%	⭐	✅ 必做
控制输出长度	10-20%	⭐	✅ 必做

💡 终极省钱组合