Cost Optimizer

Ultimate cost optimization toolkit for OpenClaw/Claude Code. Smart model routing, context compression, heartbeat tuning, usage reports, config generation — save 60-80% on daily token costs. (中文) 智能模型路由、上下文压缩、Heartbeat 优化、消耗报告、配置生成，日均节省 60-80%。

fullstackcrew-alpha@fullstackcrew-alpha

Install

openclaw skills install @fullstackcrew-alpha/cost-optimizer

Cost Optimizer — OpenClaw/Claude Code 成本优化终极工具包

核心问题：OpenClaw 默认配置下 token 消耗极高（日均 $15+，heartbeat 月均 $50-100）。本 skill 通过智能路由、上下文压缩、heartbeat 优化三管齐下，将成本降低 60-80%。

参数解析

解析用户输入的第一个参数，路由到对应子命令：

参数	子命令	说明
`route`	`/cost-route`	智能模型路由
`compress`	`/cost-compress`	上下文压缩
`heartbeat`	`/cost-heartbeat`	Heartbeat 优化
`report`	`/cost-report`	消耗报告
`config`	`/cost-config`	配置生成
（无参数）	`/cost-report`	默认显示消耗报告

1. `/cost-route` — 智能模型路由

任务分类引擎

对用户的 prompt 进行多维度分析，确定最佳模型：

Step 0: 加载定价与规则数据

text

Read references/model-pricing.md — 获取最新模型定价，用于成本计算和节省估算
Read references/routing-rules.md — 获取路由规则详情和自定义方法

如果 references 文件缺失或损坏，使用 index.ts 中硬编码的 MODEL_PRICING 常量作为 fallback。

Step 1: 提取分类特征

从当前 prompt 中提取以下特征：

text

特征维度：
- keywords: 关键词匹配（见下方路由规则表）
- context_length: 当前对话上下文 token 数（用 index.ts#estimateTokens 估算）
- complexity_score: 复杂度评分（0-10）
  - 0-2: 简单查询、状态检查
  - 3-5: 单文件操作、格式化、补全
  - 6-8: 多文件代码生成、调试、推理
  - 9-10: 架构设计、多步骤复杂任务
- tool_calls: 预期工具调用数量
- code_ratio: prompt 中代码占比

Step 2: 路由决策

根据特征匹配路由规则（优先级从高到低）：

优先级	条件	目标模型	预估成本/1M tokens
P0	heartbeat / cron / 状态检查 / ping	`deepseek/v3` 或 `gemini-2.0-flash`	$0.07-0.10
P1	简单查询（complexity 0-2）、文件列表、搜索	`gemini-2.0-flash`	$0.10
P2	文件读取、代码补全、格式化、lint 修复	`claude-haiku-4-5`	$0.80
P3	代码生成、单文件调试、测试编写	`claude-sonnet-4-6`	$3.00
P4	多文件重构、架构设计、复杂推理	`claude-opus-4-6`	$15.00

关键词匹配表：

text

P0 (最便宜):
  - heartbeat, ping, status, health, alive, cron, schedule
  - "是否在线", "检查状态", "心跳"

P1 (低成本):
  - list, find, search, grep, count, ls, pwd, which, where
  - "找到", "搜索", "列出", "有几个"

P2 (中低成本):
  - read, cat, format, lint, fix typo, rename, move
  - complete, autocomplete, suggest, snippet
  - "读取", "格式化", "补全", "重命名"

P3 (中等成本):
  - write, create, implement, generate, test, debug, explain
  - refactor (单文件), fix bug, add feature
  - "写", "创建", "实现", "生成", "测试", "调试"

P4 (高成本 - 仅在必要时):
  - architect, design, plan, review (全局), migrate
  - refactor (多文件), "从零开始", "重新设计"
  - complexity_score >= 9
  - context_length > 100k tokens

Step 3: 降级策略

text

降级链: opus → sonnet → haiku → gemini-flash → deepseek/v3
触发条件:
  - 目标模型 API 返回 429/503 → 降一级
  - 响应时间 > 30s → 降一级
  - 用户设置了成本上限且当前会话已超 80% → 强制降一级
  - 降级后在日志中记录: [COST-ROUTE] 降级: {原模型} → {新模型}, 原因: {reason}

Step 4: 输出路由建议

markdown

## 🔀 模型路由建议

| 维度 | 值 |
|------|-----|
| 任务分类 | {category} |
| 复杂度评分 | {score}/10 |
| 上下文长度 | {tokens} tokens |
| 推荐模型 | {model} |
| 预估成本 | ${cost}/次 |
| 对比默认 | 节省 {savings}% |

> 路由依据: {匹配的关键词/规则}

用户自定义覆盖：

用户可在 openclaw.json 中添加自定义路由规则：

json

{
  "cost-optimizer": {
    "routing": {
      "overrides": [
        {
          "pattern": "deploy|发布",
          "model": "claude-sonnet-4-6",
          "reason": "部署操作需要中等智能但不需要最强模型"
        }
      ]
    }
  }
}

2. `/cost-compress` — 上下文压缩

触发条件

自动触发：当对话上下文估算超过 50k tokens 时，输出压缩建议
手动触发：用户执行 /cost-optimizer compress

压缩策略

Step 1: 分析当前上下文

扫描对话历史，按以下类别统计 token 占比：

text

类别           | 描述                    | 压缩率
-------------- | ---------------------- | ------
recent_turns   | 最近 5 轮对话           | 0%（完整保留）
old_turns      | 更早的对话轮次          | 80-90%
tool_results   | 工具调用返回结果        | 70-85%
file_contents  | 文件完整内容            | 90-95%
code_blocks    | 代码块                  | 50-70%
system_context | 系统 prompt / 角色定义   | 0%（不压缩）

Step 2: 执行压缩

对每种类别应用不同的压缩策略：

历史对话压缩：
- 保留最近 5 轮完整内容
- 第 6-10 轮：提取关键决策点和结论
- 第 10 轮以前：仅保留一句话摘要
- 格式：[轮次 N 摘要] 用户请求 X，助手执行了 Y，结果是 Z
工具调用结果压缩：
- 成功的文件读取 → 替换为 [已读取 {path}, {lines} 行, 关键内容: {summary}]
- 成功的搜索结果 → 替换为 [搜索 "{query}": 找到 {n} 个匹配, 主要在 {files}]
- 失败的工具调用 → 保留错误信息，移除重试的中间结果
- Bash 输出 → 保留退出码和关键输出行（首尾各 5 行）
文件内容压缩：
- 替换为路径+行号摘要：[文件 {path}: {lines} 行, 函数: {func_list}, 关键逻辑在 L{start}-L{end}]
- 如果文件在后续被修改，只保留最终版本的摘要
代码块压缩：
- 保留函数签名和关键逻辑
- 移除注释和空行
- 对未被后续引用的代码块，替换为 [代码块: {language}, {lines} 行, 功能: {summary}]

Step 3: 生成压缩快照

将压缩后的上下文摘要写入 .context-snapshot.md：

markdown

# Context Snapshot
> 生成时间: {timestamp}
> 原始 tokens: {original} → 压缩后: {compressed} (节省 {ratio}%)

## 关键决策
- {decision_1}
- {decision_2}

## 活跃文件
- {file_1}: {summary}
- {file_2}: {summary}

## 待处理事项
- {todo_1}
- {todo_2}

## 最近对话（完整）
{last_5_turns}

Step 4: 输出压缩报告

markdown

## 📦 上下文压缩报告

| 指标 | 值 |
|------|-----|
| 压缩前 | {original_tokens} tokens (~${original_cost}) |
| 压缩后 | {compressed_tokens} tokens (~${compressed_cost}) |
| 节省 | {saved_tokens} tokens (~${saved_cost}, {ratio}%) |
| 保留轮次 | 最近 {n} 轮完整保留 |
| 快照位置 | .context-snapshot.md |

> 建议：{下一步建议，如"开启新对话并加载快照"}

3. `/cost-heartbeat` — Heartbeat 优化

当前问题分析

OpenClaw 默认 heartbeat 配置：

间隔：15-30 分钟（过于频繁）
内容：全量状态检查（过于冗余）
模型：使用默认模型（过于昂贵）
月成本估算：$50-100（仅 heartbeat）

优化方案

Step 1: 检查当前 heartbeat 配置

读取以下位置的配置：

bash

# OpenClaw 配置
cat ~/.openclaw/config.json 2>/dev/null
cat ./openclaw.json 2>/dev/null

# Claude Code 配置
cat ~/.claude/settings.json 2>/dev/null
cat ./.claude/settings.json 2>/dev/null

Step 2: 生成优化配置

json

{
  "heartbeat": {
    "enabled": true,
    "base_interval_minutes": 45,
    "smart_adjustment": {
      "enabled": true,
      "rules": [
        {
          "condition": "active_development",
          "description": "检测到频繁文件变更（5分钟内 > 3次）",
          "interval_minutes": 30,
          "check": "find . -name '*.ts' -o -name '*.js' -o -name '*.py' -newer /tmp/.last-heartbeat 2>/dev/null | wc -l"
        },
        {
          "condition": "idle",
          "description": "无文件变更超过 30 分钟",
          "interval_minutes": 60
        },
        {
          "condition": "night_hours",
          "description": "本地时间 23:00-07:00",
          "interval_minutes": 120,
          "alternative": "disable"
        }
      ]
    },
    "content": {
      "mode": "minimal",
      "checks": [
        "process_alive",
        "disk_space_critical",
        "active_tasks_count"
      ],
      "skip": [
        "full_status_report",
        "dependency_check",
        "code_analysis",
        "git_log_summary"
      ]
    },
    "model": "deepseek/v3",
    "fallback_model": "gemini-2.0-flash",
    "max_tokens_per_heartbeat": 200,
    "cost_cap_monthly_usd": 5.00
  }
}

Step 3: 估算节省

markdown

## 💓 Heartbeat 优化报告

### 当前配置 vs 优化配置

| 指标 | 当前 | 优化后 | 节省 |
|------|------|--------|------|
| 平均间隔 | {current}min | {optimized}min | — |
| 日均次数 | {current_daily} | {optimized_daily} | {reduction}% |
| 每次 tokens | ~{current_tokens} | ~{optimized_tokens} | {token_reduction}% |
| 使用模型 | {current_model} | deepseek/v3 | — |
| 每次成本 | ${current_cost} | ${optimized_cost} | {cost_reduction}% |
| **月均成本** | **${current_monthly}** | **${optimized_monthly}** | **${monthly_savings}** |

### 推荐配置

已写入 `openclaw.json` 的 heartbeat 部分。

### 智能间隔说明
- 🟢 活跃开发期（频繁文件变更）→ 30 分钟
- 🟡 普通工作期 → 45 分钟（默认）
- 🔴 静默期（无变更 > 30min）→ 60 分钟
- 🌙 夜间（23:00-07:00）→ 120 分钟或禁用

Step 4: 应用配置

如果用户确认，将优化配置合并到 openclaw.json 和/或 .claude/settings.json。

4. `/cost-report` — 消耗报告

数据收集

Step 0: 加载定价数据

text

Read references/model-pricing.md — 获取各模型单价，用于费用计算和节省估算

如果 references 文件缺失，使用 index.ts 中的 MODEL_PRICING 常量。

Step 1: 读取使用日志

bash

# OpenClaw 使用日志
USAGE_LOG="$HOME/.openclaw/usage-log.jsonl"

# 如果日志不存在，基于当前会话估算

日志格式（每行一个 JSON）：

json

{
  "timestamp": "2026-03-20T10:30:00Z",
  "session_id": "abc123",
  "model": "claude-sonnet-4-6",
  "input_tokens": 15000,
  "output_tokens": 3000,
  "task_type": "code_generation",
  "cost_usd": 0.054,
  "routed": false,
  "original_model": null
}

Step 2: 计算统计数据

使用 index.ts 中的工具函数计算：

本次会话消耗（基于对话长度估算）
本日/本周/本月累计（基于日志）
按模型分类的消耗分布
按任务类型的消耗分布
如果启用了路由，计算实际节省

Step 3: 输出报告

markdown

## 📊 成本消耗报告

### 本次会话
| 指标 | 值 |
|------|-----|
| 总 tokens | {total_tokens} (输入: {input}, 输出: {output}) |
| 使用模型 | {models_used} |
| 估算成本 | ${session_cost} |
| 会话时长 | {duration} |

### 本周累计 ({week_start} - {week_end})
| 模型 | Tokens | 成本 | 占比 |
|------|--------|------|------|
| claude-opus-4-6 | {tokens} | ${cost} | {pct}% |
| claude-sonnet-4-6 | {tokens} | ${cost} | {pct}% |
| claude-haiku-4-5 | {tokens} | ${cost} | {pct}% |
| deepseek/v3 | {tokens} | ${cost} | {pct}% |
| **合计** | **{total}** | **${total_cost}** | **100%** |

### 按任务类型
| 类型 | 次数 | 平均 Tokens | 总成本 | 占比 |
|------|------|-------------|--------|------|
| 代码生成 | {n} | {avg} | ${cost} | {pct}% |
| 调试修复 | {n} | {avg} | ${cost} | {pct}% |
| 文件操作 | {n} | {avg} | ${cost} | {pct}% |
| heartbeat | {n} | {avg} | ${cost} | {pct}% |
| 其他 | {n} | {avg} | ${cost} | {pct}% |

### 趋势（最近 7 天）
{ascii_bar_chart}

### 💡 节省建议
{savings_recommendations}

> 如果本周全部使用智能路由，预计可节省 **${potential_savings}**（{savings_pct}%）

ASCII 柱状图格式：

text

日期       | 成本     | 分布
03-14 Mon  | $12.30  | ████████████░░░░░░░░
03-15 Tue  | $8.50   | ████████░░░░░░░░░░░░
03-16 Wed  | $15.20  | ███████████████░░░░░
03-17 Thu  | $6.30   | ██████░░░░░░░░░░░░░░
03-18 Fri  | $11.00  | ███████████░░░░░░░░░
03-19 Sat  | $3.20   | ███░░░░░░░░░░░░░░░░░
03-20 Sun  | $1.50   | █░░░░░░░░░░░░░░░░░░░
           +---------+--------------------
             总计: $58.00  日均: $8.29

5. `/cost-config` — 配置生成

预设方案

提供三档预设，用户可选择：

预设	说明	预估日均成本	适用场景
`conservative`	保守优化，最小化风险	$8-12	不确定时的安全选择
`balanced`	平衡成本与质量（推荐）	$4-8	日常开发
`aggressive`	激进节省，可能影响质量	$1-4	预算紧张、简单任务为主

Step 1: 分析当前配置

读取现有配置文件：

bash

cat ./openclaw.json 2>/dev/null || echo "{}"
cat ./.claude/settings.json 2>/dev/null || echo "{}"

Step 2: 生成配置

根据选择的预设生成完整的 openclaw.json（参考本 skill 目录下的 openclaw.json 模板）。

Step 3: 输出配置 diff

markdown

## ⚙️ 配置生成 — {preset} 方案

### 变更预览

\`\`\`diff
--- openclaw.json (当前)
+++ openclaw.json (优化后)
@@ model_routing @@
- "default_model": "claude-opus-4-6"
+ "default_model": "claude-sonnet-4-6"
+ "routing_rules": [...]

@@ heartbeat @@
- "interval_minutes": 15
+ "interval_minutes": 45
+ "model": "deepseek/v3"

@@ context @@
+ "max_context_tokens": 80000
+ "auto_compress_threshold": 50000
\`\`\`

### 预估效果
| 指标 | 优化前 | 优化后 | 节省 |
|------|--------|--------|------|
| 日均成本 | ~${before}/天 | ~${after}/天 | ${savings}/天 |
| 月均成本 | ~${before_m}/月 | ~${after_m}/月 | ${savings_m}/月 |
| heartbeat 月成本 | ~${hb_before}/月 | ~${hb_after}/月 | ${hb_savings}/月 |

确认应用？输入 `yes` 应用，`no` 取消，或指定其他预设（conservative/balanced/aggressive）。

Step 4: 应用配置

用户确认后：

备份当前配置：cp openclaw.json openclaw.json.bak.{timestamp}
写入新配置
验证配置格式正确（JSON 解析测试）
输出确认信息

通用工具函数

本 skill 依赖 index.ts 中的工具函数，所有子命令共享：

classifyTask(prompt) — 任务分类，返回 P0-P4 等级
estimateTokens(text) — 基于字符数的 token 快速估算
routeModel(category, contextSize) — 根据分类和上下文大小选择模型
compressContext(messages, budget) — 上下文压缩
generateUsageReport(logPath) — 从日志生成报告
calculateSavings(actual, optimized) — 计算节省金额

详细类型定义和实现见 index.ts。

错误处理

所有文件操作均需显式 fallback，避免因单点故障中断整个流程：

操作	失败场景	Fallback 行为
读取 `openclaw.json`	文件不存在 / JSON 解析失败	使用内置默认配置，输出 `⚠️ 配置文件读取失败，使用默认值`
读取 `~/.openclaw/config.json`	权限不足 / 路径不存在	跳过全局配置，仅使用项目级配置
读取 `references/*.md`	文件缺失	使用 `index.ts` 中硬编码的 `MODEL_PRICING` 常量
写入日志 `~/.openclaw/cost-optimizer.log`	目录不存在 / 磁盘满	回退到标准输出打印日志，输出 `⚠️ 日志写入失败，回退到 stdout`
写入 `usage-log.jsonl`	权限不足	跳过日志写入，输出 `⚠️ 使用日志写入失败，本次数据未记录`
解析 `usage-log.jsonl`	某行 JSON 格式损坏	跳过损坏行，继续解析后续行，报告中标注 `⚠️ 跳过 {n} 条损坏记录`
写入 `openclaw.json`（配置应用）	写入失败	不覆盖原文件，输出错误信息和配置内容到 stdout，让用户手动粘贴
备份配置文件	备份失败	中止配置写入，输出 `⚠️ 备份失败，已中止写入以保护现有配置`

实现原则

读取失败 → 降级到默认值：永远不因读取失败而中断流程
写入失败 → 回退到 stdout：确保信息不丢失，用户可手动操作
解析失败 → 跳过并报告：损坏数据不影响其余有效数据的处理
配置写入 → 备份优先：备份失败则拒绝写入，保护用户现有配置

审计与日志

所有路由决策和配置变更都会记录日志：

bash

# 日志位置
~/.openclaw/cost-optimizer.log

# 日志格式
[2026-03-20T10:30:00Z] [ROUTE] task=code_generation complexity=6 model=claude-sonnet-4-6 tokens=15000 cost=$0.054
[2026-03-20T10:35:00Z] [COMPRESS] before=80000 after=25000 ratio=68.75% snapshot=.context-snapshot.md
[2026-03-20T11:00:00Z] [HEARTBEAT] interval=45min model=deepseek/v3 tokens=150 cost=$0.00001
[2026-03-20T11:05:00Z] [CONFIG] preset=balanced changes=3 backup=openclaw.json.bak.1710924300

平台兼容性

功能	OpenClaw	Claude Code
模型路由	✅ 完整支持	✅ 通过 /model 切换建议
上下文压缩	✅ 完整支持	✅ 生成快照文件
Heartbeat 优化	✅ 完整支持	⚠️ 需手动配置 cron
消耗报告	✅ 读取日志	✅ 基于会话估算
配置生成	✅ openclaw.json	✅ settings.json

Cost Optimizer

Install

Cost Optimizer — OpenClaw/Claude Code 成本优化终极工具包

参数解析

1. /cost-route — 智能模型路由

任务分类引擎

2. /cost-compress — 上下文压缩

触发条件

压缩策略

3. /cost-heartbeat — Heartbeat 优化

当前问题分析

优化方案

4. /cost-report — 消耗报告

数据收集

5. /cost-config — 配置生成

预设方案

通用工具函数

错误处理

实现原则

审计与日志

平台兼容性

Related skills

1. `/cost-route` — 智能模型路由

2. `/cost-compress` — 上下文压缩

3. `/cost-heartbeat` — Heartbeat 优化

4. `/cost-report` — 消耗报告

5. `/cost-config` — 配置生成