hen多人刚装好 OpenClaw 时dou像打开了新玩具一样兴奋：在 AGENTS.md 里写满了行为指令，在 SOUL.md 塞进千字的人设，在 TOOLS.md 记录了一堆工具说明。结果几天后kan到账单——Token 像泄洪一样冲刺，钱包瞬间被掏空。

其实这种“大手笔”往往是因为我们把默认配置当成唯一选项。默认的设置追求“一键可用”，但对成本毫不关心。想象一下你买了台顶配游戏本，却只用它来写 Word，这样的资源浪费谁dou不想kan到。

一、先认清消费结构：哪些环节在偷偷吃 Token？

系统提示体积膨胀——每一次调用dou会把 AGENTS.md、SOUL.md、USER.md、TOOLS.md 全部拼接后发送。

模型选型不匹配——高价模型负责所有对话，即使是“帮我查天气”。

思考模式常开——会让模型额外生成推理链，几百到几千 Token dou算进账单。

心跳频率过高——每一次心跳dou是一次完整的 API 调用。

重复规则冗余——同一句话出现在多个文件里每次dou算两遍。

把这些点逐一击破，你会惊讶地发现，一天的消耗Ke以从上百万 Token 降到几万。

二、一步到位：精简 System Prompt

技巧：

删除通用套话："你是一个乐于助人的助手"，直接改成 "助理" 即可。

压缩描述："必须严格保护用户隐私，以防泄漏" → "保护隐私"。

合并重复规则："禁止输出敏感信息" 出现两次只保留一次。

限制篇幅：`SYSTEM_PROMPT` 建议控制在 1500 Token 以下。

{
  "system_prompt": 
}

*小贴士*：每月抽出十分钟，对上述文件进行“瘦身”。就像代码要 refactor，Prompt 同样需要定期清理。

三、模型分层：让轻任务跑轻模型

AWS Bedrock 上的 Nova Lite 每 token 的价格只有 Claude Sonnet 的十分之一。我们Ke以按需求动态切换：

S1 场景 → Nova Lite。

S2 场景 → Claude Sonnet 或geng高阶模型。

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "amazon-bedrock/amazon.nova-lite-v1:",
        "fallbacks": 
      }
    }
  }
}

Aurora‑lite 的响应速度geng快，日常聊天几乎感受不到差距；只有在需要深度思考时才切换到贵模，实现“刀刃上花钱”。

四、关闭 Thinking

The “extended thinking” 功Neng虽好，却会无差别地为每一次请求生成内部推理过程。除非明确需要多步骤逻辑，否则请保持关闭状态：

{
  "thinking": false
}

*判断标准*：Ru果你自己Yi经想好了答案，只是想让 AI 把文字润色，那就关掉；Ru果是要 AI 帮你拆解复杂架构，再打开也不迟。

五、调低 Heartbeat 间隔

Cron 与 Heartbeat 是两种不同的定时机制：

Cron：适用于“每天上午九点检查邮件”。精准触发，一次性完成任务。

Heartbeat："每隔多久kankan有没有事儿"，适合轻量监控，但频率太高会导致大量重复调用。

将 Heartbeat 从原来的每15分钟改为45分钟，可显著削减不必要的系统提示发送次数：

{
  "agents": {
    "defaults": {
      "heartbeat": { "every": "45m" }
    }
  }
}

六、IAM Role 替代硬编码 Key

AWS 环境下把 API Key 写进配置文件是一大隐患。通过绑定实例角色，让系统自动获取临时凭证，不仅安全，还Neng避免因密钥泄漏导致的额外费用。

七、全流程回顾与效果评估

优化点	预计节省率	实现方式简述
#1 Prompt 精简	≈35%	删除冗余文字，将总长度压至1500 Token 以下。
#2 模型分层	≈55%	日常交互走 Nova Lite，复杂任务才上 Sonnet。
#3 Thinking OFF	≈20%	关闭全局思考，仅在必要时手动开启。
#4 Heartbeat 拉长	≈12%将间隔设为45分钟或geng久，避免无效调用。
#5 IAM Role 使用 ≈5%去掉明文密钥，提高安全性并降低误操作成本。

真实案例：从每日千万元 Token 到月度仅千元账单

Alice 在深圳创业，用 OpenClaw 辅助代码调试和文档撰写。一开始，她每天大概发起200次请求，每次带着近10k字符的 system prompt，总计约120万 Token，仅一天就花掉超过300美元。经过上述五步优化后同等工作量下她的月度消耗降至约80万 Token，对应费用不到原来的三分之一。Zui关键的是体验并未受损——普通查询仍然流畅，而复杂分析时系统自动切换到高阶模型即可。

八、小技巧与常见坑点

*误区*：认为打开 thinking Neng“保险”。实际上只要开启，就一定产生额外推理链，无论任务是否需要深度思考，dou要付费。

*提醒*：系统提示文件会随时间慢慢膨胀。建议每个月抽出几分钟，用 diff 工具查kan新增内容，并决定是否真的必需保留。

*技巧*：使用斜杠命令如/compact /reset /new)快速压缩当前会话，防止历史上下文无限累积导致窗口爆炸式增长。

*注意*：Ru果你的业务峰值集中在工作日而周末基本闲置，按需付费模式远比包月geng划算，因为空闲时间根本不产生费用。

*坑点*：把所有 Agent 放在同一个 system prompt 中，会导致每次调用dou携带全部规则。Ke以把不同职责拆分成独立 Agent，仅在需要时加载对应文件，从而进一步削减冗余 token 消耗。

九、 —— 把钱花在刀口上

PROMPT 不应该是一篇长篇大论，也不该成为账单里的暗黑洞。通过「精简」「分层」「关闭」三大核心思路，你完全Ke以让 OpenClaw 在保持高效输出的同时把费用砍到原来的一半甚至geng低。记住：

"先找出钱从哪儿流出来再有针对性地堵住它。" —‑ AI 成本治理小金句.

If you have more省钱妙招，欢迎留言一起讨论！祝大家玩得开心，也钱包鼓鼓~ 🎉🚀.

©2026 AI技术部 | 本文基于公开资料与个人实践撰写，仅供参考。

---