OpenClaw Token 节省指南
降低 OpenClaw 使用成本的完整策略手册。
自动触发条件
当以下情况发生时，自动调用此 skill：
- Token 使用超过 80% - 触发优化建议
- 单次请求超过 4000 tokens - 建议压缩上下文
- 上下文接近上限 - 自动提示清理方案
- 连续 10 轮对话 - 建议压缩或重置
自动响应逻辑
IF token_usage > 80%:
→ 显示警告 + 提供压缩选项
→ 建议使用 /compact
→ 推荐切换到 /nc 模式
IF token_per_turn > 4000:
→ 提示精简输入
→ 建议分批处理
→ 启用工具返回限制
IF context_window > 90%:
→ 强制建议清理
→ 提供 /reset 选项
→ 显示当前 Token 统计
一、上下文瘦身
1. 手动压缩
- 对话中发送
/compact
- 自动将长历史转为摘要
2. 滑动窗口
{
"max_history_messages": 10
}
只保留最近 N 条消息
3. 分层上下文切换
| 命令 | 作用 |
|---|
/nc | 仅当前+系统提示 |
/cc | 最近10条 |
/fc | 全量上下文 |
4. 重置/新建
/reset - 清空当前会话，保留记忆/new - 开启全新对话
5. 自动压缩
安装 claw-compact：
clawhub install claw-compact
满15轮或5000 token自动压缩
二、工具与提示词优化
6. 禁用无用工具
只开启必要工具：
{
"tools": {
"enabled": ["read", "write", "exec"]
}
}
系统提示词可从 3500 → 800 token
7. 精简 Skill 描述
- 技能 YAML frontmatter 保持简洁
- 描述控制在 100 字以内
8. 限制工具返回
强制工具返回摘要：
{
"web_search": {
"max_results": 3,
"max_chars": 500
}
}
9. 精简系统提示
{
"bootstrapMaxChars": 2000
}
三、缓存与复用
10. 开启模型缓存
利用 Anthropic 提示缓存：
{
"model": "claude-3-sonnet",
"enable_prompt_caching": true
}
11. 心跳保活
缓存 TTL 1h 时，设置 55min 心跳：
{
"heartbeat": {
"interval_minutes": 55
}
}
12. 本地检索替代
安装 qmd 本地索引：
clawhub install qmd
只取需要的段落，节省 80%+
13. 搜索优化
使用 exa-search：
clawhub install exa-search
过滤广告/HTML，返回纯文本，省 70%+
四、模型与调用控制
14. 模型分层
| 任务类型 | 推荐模型 |
|---|
| 简单计算/查天气 | GPT-3.5 / Haiku |
| 代码生成 | GPT-4 / Sonnet |
| 复杂推理 | GPT-4o / Opus |
15. 关闭重试/兜底
{
"max_retries": 0,
"enable_fallback": false
}
16. 限制迭代次数
{
"max_iterations": 10
}
17. Token 预算
{
"token_budget": {
"per_turn": 4000,
"per_session": 50000
}
}
五、本地替代
18. 本地部署模型
使用 Ollama：
ollama run qwen2.5:14b
配置 OpenClaw 连接本地：
{
"model": {
"provider": "ollama",
"base_url": "http://localhost:11434"
}
}
Token 费用为 0
19. 本地代理转发
Node.js 协议转换：
// 走网页版 AI，不耗官方 Token
20. 批量处理
将多个小任务合并为一次请求：
❌ 10次单独请求
✅ 1次批量处理
快速检查清单
参考配置
{
"context": {
"max_history_messages": 10,
"auto_compact": true
},
"tools": {
"enabled": ["read", "write", "exec", "web_search"]
},
"model": {
"default": "gpt-3.5-turbo",
"complex_tasks": "gpt-4"
},
"limits": {
"max_retries": 0,
"max_iterations": 10,
"token_budget_per_session": 50000
}
}
预计节省: 50-90% Token 消耗
