文章总结： 本文分享了OpenClaw使用中节省token的经验。核心问题是agent执行出错时会陷入无效重试浪费token。解决方案包括：及时监控agent行为并用/stop命令或重启网关中断异常；精简优化各类md配置文件降低基础token消耗；新手可先用免费模型调试。实践这些方法可节省约一半费用。
综合评分： 65
文章分类： 实战经验,AI安全
虾聊——省钱经验
原创
狗哥
狗哥
黑白之道
2026年3月12日 09:34
山东
OpenClaw 用起来费 token 确实是个问题，如何省钱是大家很关心的一个话题。这个坑很大，需要分几期来讲。我完全是个人经验，大家如果有不同意见，欢迎在群里交流。
我感觉最大的坑是：你给 agent 一个任务，它执行有困难或出错时，就跑偏了，开始检测、尝试绕过等。你还在那里等它回复，token 却已经耗费在排查错误上了。
如果 token 都用在正常的任务上，我觉得该省省该花花。但如果都用来跑那些不是你本来要执行的任务，那不是浪费吗？
最重要的一点是，你想省钱就要少用 token，得做到心中有数，知道 token 都用在了什么地方。
经验一：关注 agent 在做什么。
我跟它说一句话，比如“抓取 Google 新闻”，你可以在
http://127.0.0.1:18789/ 这里看到它在做什么。如果机器人长时间没回复你，就去看看它在干什么，点这个地方。
比如，你看这个：我让机器人给我发一个文件，正常一条命令就能完成，但它执行命令出错，一直在测试，这就是浪费。这时你怎么做？在对话框里输入命令 /stop 结束它的思考。如果 /stop 没反应，就重启网关，执行命令 bash openclaw gateway restart。
有时候机器不说话，一直在后台重试。这个日志/步骤列表可能有几十步，全是没用的，完全是浪费 token。有时机器“神经错乱”了，一直在后台重试，你的费用一直在花，但一点实际作用也没有。
如果你能做到 token 都花在正经事上，那其实不费钱，这才是真正的省钱。如果 token 用在了莫名其妙的任务上，那就是浪费。
经验二：优化 md 文件。
USER.md：存储用户的个人信息、偏好设置、常用指令等，用于让 AI 更好地适应用户的习惯。TOOLS.md：定义 AI 可以调用的外部工具（如搜索引擎、代码执行器、API 接口等），包括工具的调用方式和参数说明。SOUL.md：保存 AI 的长期记忆和核心知识，相当于 AI 的“灵魂”，记录重要的上下文、用户关系和历史关键信息。IDENTITY.md：设定 AI 的身份、角色、性格特征、回答风格等，让 AI 在交互中保持一致的个性和定位。HEARTBEAT.md：用于监控 AI 的运行状态，可能包含健康检查、定时任务或心跳信号的配置，确保系统持续正常运作。BOOTSTRAP.md：启动引导文件，包含系统初始化设置、加载顺序、基础配置等，在 AI 启动时执行，确保环境准备就绪。AGENTS.md：定义多个专用代理（Agents）的配置，每个代理可能负责不同的领域或任务（如编程助手、翻译助手等），实现分工协作。
这些文件默认很长，最少要 2000 token，有些不需要那么长，删除冗余，只写几句有用的就行。建议用英文编写；如果你用中文模型，用中文也行，但如果你用中文写，调用别的英文模型时可能会出现很多意想不到的问题。
$ ./inspector.shAgent: workspace-Emailadmin | Token: 2042 | Status: NormalAgent: workspace-coder1 | Token: 1889 | Status: NormalAgent: workspace-duxiaozhong | Token: 5113 | Status: NormalAgent: workspace-hu-anzhuang | Token: 5555 | Status: NormalAgent: workspace-li-fourth | Token: 2628 | Status: NormalAgent: workspace-li-three | Token: 2321 | Status: NormalAgent: workspace-li-two | Token: 4285 | Status: NormalAgent: workspace-ssHuser | Token: 1985 | Status: NormalAgent: workspace-videobot | Token: 3782 | Status: NormalAgent: workspace-watchdog | Token: 756 | Status: NormalAgent: workspace-weixinbot | Token: 3782 | Status: NormalAgent: workspace-writer1 | Token: 441 | Status: NormalAgent: workspace-writer2 | Token: 456 | Status: NormalAgent: workspace-writer3 | Token: 443 | Status: NormalAgent: workspace-yibiancheng | Token: 2194 | Status: Normal
你看我自己做了一个报警，优化完了一个监控的agnet 只有700个token就足够了。
你看，我自己做了一个报警，优化完一个监控 agent 后，它只有 700 个 token，这就足够了。你可以参考一下，你的默认 token 太高，这就是需要优化的地方。这个 Python 程序公众号没有地方提供下载，需要的话在群里说一下，我发群里。
关于 md 文件的优化，各有各的方法，我只分享一点自己的经验。
我的 md 通用规则，另外还有别的规则，比如除了主 agent，别的 agent 只能回复其他 agent 发来的消息，不能主动发起。
# AGENTS.md -## 通用规则（Boss Commands）1. **会话长度提醒** — 与 Boss 对话超过 50 句，提醒开新会话2. **语言切换** — 与 Agent 对话用英文，与主人（Boss）对话用中文3. **简洁回复** — 工作时回 Boss 话，说重点，尽量简短
第 3 条，常常 agent 给我发很长一段，又浪费又没用，所以这需要优化。如果详细讲怎么优化，至少需要 5000 字，你可以自己查查 DeepSeek，它会教你的。
优化之后，你直接跟机器人说“你帮我监控一下 token 使用量”，它也可以做到。我写一个程序，让 agent 执行，把结果返回给我，你可以对比一下：监控设置为每五分钟一次，一天下来，对比一下费用，你就知道有什么不同了。
最后，省钱的办法就是：如果你是新手，可以先调用一些免费的模型进行调试。我自己用过这些，都是免费的：
Model Input Ctx Local Auth Tagsnvidia/moonshotai/kimi-k2.5 text 195k no yes fallback#1,configuredzai/GLM-4.7-Flash text 125k no yes fallback#1,configuredqwen-portal/coder-model text 125k no yes configured,alias:qwenqwen-portal/vision-model text+image 125k no yes configuredopenrouter/qwen/qwen3-vl-30b-a3b-thinking text+image 128k no yes configuredopenrouter/openrouter/free text 125k no yes configured、google/gemini-2.5-flash text+image 1024k no yes fallback#3,configuredgoogle/gemini-2.5-flash-lite text+image 1024k no yes fallback#4,configuredgoogle/gemini-1.5-flash text+image 977k no yes fallback#5,configured
国内的模型限速很厉害，我就不说哪家了，免得又有人找我麻烦。你自己可以去申请。
以上总结的几点，你要能做到，能省一半的费用。还有一些高级点的更省钱的办法。下次找机器会再说。
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：黑白之道 狗哥
狗哥《虾聊——省钱经验》