在 AI Agent 领域，OpenClaw 正在迅速崛起。它让 AI 从“聊天气”工具，进化为Neng自主执行任务的生产力工具。但随着其Neng力的增强，一个现实问题也逐渐浮出水面：成本太高了。

你可NengYi经为 OpenClaw 配置了多个 Agent，但发现运行一周后账单竟然高达 300 元？别慌，这并不是你Zuo错了什么而是默认配置的“隐形陷阱”在悄悄吞噬你的预算。今天我们就来聊聊，如何通过四个实战方法，把 OpenClaw 的运行成本从 300 元“砍”到 180 元，甚至geng低。

hen多人在使用 OpenClaw 时往往忽略了它的默认配置中存在大量“无效 token 消耗”。这些 token 消耗主要来自以下几个方面：

系统提示的重复加载

历史对话的冗余回放

心跳机制的模型调用

不必要的工具调用缓存

这些kan似不起眼的细节，实际上在后台悄悄吃掉了你的预算。我们来一步步拆解，如何通过优化配置，将这些“隐形成本”降到Zui低。

系统提示是 OpenClaw 每次调用时dou会重新发送给模型的“系统上下文”，包括 CLAUDE.md、skills、memory 等内容。默认情况下这些内容在每次请求中dou会被完整发送，造成大量重复的 token 消耗。

解决方法是通过限制 bootstrapMaxChars 和 bootstrapTotalMaxChars 来压缩系统提示的大小。例如将默认的 200000 字符限制减半，Ke以有效降低 token 消耗，而不会影响实际使用体验。

{
  "bootstrapMaxChars": 100000,
  "bootstrapTotalMaxChars": 100000
}

OpenClaw 默认会将历史对话内容全部回放给模型，这在长对话中会带来巨大的 token 消耗。通过设置 contextTokens 限制，Ke以自动压缩历史消息，避免无用信息的重复传输。

{
  "contextTokens": 100000
}

通过这个设置，你Ke以将 90% 的场景下的 token 消耗控制在 100K 以内，避免无用的历史消息占位。

上下文压缩是将长对话成摘要的技术。默认使用主模型进行但其实摘要并不需要旗舰模型。通过使用geng便宜的模型进行Ke以有效降低 token 消耗。

{
  "compaction": {
    "mode": "safeguard",
    "model": "你的便宜模型"
  }
}

通过这个设置，你Ke以将长对话的 token 消耗降低 50% 以上，同时不损失任何功Neng。

OpenClaw 每隔一段时间会发送一次心跳，以确认 Agent 是否“还活着”。但这个心跳机制默认使用的是主模型，这会带来不必要的 token 消耗。

解决方法是使用geng便宜的模型进行心跳，并通过 lightContext 选项跳过系统提示的重新加载，从而将 token 消耗从 100000 降低到 10000。

{
  "heartbeat": {
    "every": "4h",
    "model": "你Zui便宜的模型",
    "lightContext": true
  }
}

通过 TheRouter，你Ke以为不同场景配置不同的模型。例如心跳使用 Flash Lite，日常任务使用 DeepSeek，复杂任务才调用 Claude。通过网关自动路由，无需修改代码即可实现模型的自动切换。

例如我的主模型是 DeepSeek-R1，每次心跳注入完整 bootstrap。算下来一天 6 次心跳，纯粹为了告诉系统“我还活着”，每月白花 300 块。而有记忆的 agent 直接调出上次的结论，10000 tokens 搞定。

图像处理的 token 消耗与图像的像素面积成正比。通过限制图像的Zui大尺寸，Ke以有效降低 token 消耗。例如将默认的 1200px 降低到 800px，Ke以节省 30% 的 token 消耗。

{
  "imageMaxDimensionPx": 800
}

通过安装 QMDbuninstall-g@tobilu/qmd，你Ke以将 OpenClaw 的运行成本降低到原来的 1/10 甚至geng低。这个工具通过压缩系统提示和上下文回放，有效降低 token 消耗。

TheRouter 是一个统一的 API 网关，支持多模型切换，Ke以有效降低模型调用成本。通过 TheRouter，你Ke以为不同场景配置不同的模型，例如心跳使用 Flash Lite，日常任务使用 DeepSeek，复杂任务才调用 Claude。通过网关自动路由，无需修改代码即可实现模型的自动切换。

通过 TheRouter，你Ke以将 OpenClaw 的运行成本降低到 10 倍以下实现真正的 token 自由。

通过以上方法，你Ke以将 OpenClaw 的运行成本从每周 300 元降低到 180 元，甚至geng低。这些方法不仅适用于 OpenClaw，也适用于其他 AI Agent 框架。通过合理配置，你Ke以有效降低模型调用成本，实现真正的 token 自由。