💰 OpenClaw Cost Optimization

功能介绍

收到API账单那天，我的表情和收到水电费的普通人一模一样——又涨价了？一算，上个月Agent跑了$847，其中60%花在不需要GPT-4的任务上。

Cost Optimization不是让你不花钱，而是把钱花在刀刃上。OpenClaw提供多层成本优化：模型路由让简单任务用便宜模型，缓存让重复请求零成本，批处理让单次调用最大化产出。

模型路由策略

智能路由

不是所有任务都需要GPT-4。OpenClaw的模型路由器根据任务复杂度自动选择最合适的模型：

# 模型路由配置
routing:
  enabled: true
  rules:
    - match:
        skill: simple_classification
      model: gpt-4o-mini
      max_tokens: 500
      
    - match:
        skill: content_generation
        tokens_estimate: "< 2000"
      model: gpt-4o
      
    - match:
        skill: complex_reasoning
      model: gpt-4
      thinking: enabled
      
    # 默认规则
    default:
      model: gpt-4o
      max_tokens: 4000

缓存策略

响应缓存

# 缓存配置
cache:
  enabled: true
  
  # LLM响应缓存
  llm_cache:
    backend: redis
    ttl: 3600  # 1小时过期
    max_size: 1000
    similarity_threshold: 0.95  # 95%相似则命中
    
  # 工具结果缓存
  tool_cache:
    backend: redis
    ttl: 300  # 5分钟过期
    max_size: 500
    
  # 语义缓存（相似问题返回缓存结果）
  semantic_cache:
    enabled: true
    embedding_model: text-embedding-3-small
    similarity_threshold: 0.92

缓存效果

# 典型场景缓存命中率
场景                  缓存命中率    成本节省
重复查询               85%         85%
定时报告生成            90%         90%
相似问题回答            60%         60%
工具调用结果            40%         40%
总体                   65%         65%

Token优化技巧

1. Prompt精简

# ❌ 浪费Token的Prompt
"请你作为一个专业的AI助手，帮我分析一下以下文本的主要内容和关键信息，
然后给出一个简洁的总结。注意要保持客观中立的立场，不要加入你个人的
主观判断和推测。文本内容如下：..."

# ✅ 精简后的Prompt
"总结以下文本要点（客观中立）：..."

# Token节省: 120 → 18 (省85%)

2. 输出控制

# SOUL.md 输出控制
output:
  max_tokens: 2000  # 限制最大输出
  format: concise   # 简洁模式
  no_filler: true   # 禁止废话
  truncate: ellipsis # 超长截断

3. 上下文裁剪

# 只传递必要信息给LLM
context:
  strategy: selective
  rules:
    - include: user_message
    - include: last_3_turns
    - include: skill_instructions
    - exclude: system_debug
    - exclude: previous_tool_results

批处理优化

# 批处理配置
batch:
  enabled: true
  
  # 请求合并
  merge:
    enabled: true
    max_batch_size: 20
    max_wait_ms: 5000
    merge_strategy: topic  # 按主题合并
    
  # 示例：10个独立请求 → 1个批处理请求
  # 成本从 10 * $0.05 = $0.50 → 1 * $0.08 = $0.08 (省84%)

成本仪表盘

# 成本监控配置
cost_monitoring:
  budget:
    daily: $10
    monthly: $200
    alert_at: 80%  # 80%时告警
    
  breakdown:
    by_agent: true
    by_skill: true
    by_model: true
    by_time: hourly
    
  reports:
    schedule: daily
    format: markdown
    destination: feishu
    
# 每日成本报告示例
# 日期: 2026-05-07
# 总成本: $7.32 (预算$10, 剩余27%)
# 
# 按模型:
#   gpt-4o-mini: $1.20 (16%)
#   gpt-4o:      $4.12 (56%)
#   gpt-4:       $2.00 (27%)
#
# 按Skill:
#   news_digest: $2.50 (34%)
#   discord_post: $1.80 (25%)
#   web_fetch: $1.20 (16%)

最佳实践

• 预算先行：设定日/月预算，超过自动降级
• 分层模型：简单任务用Mini模型，复杂任务再用旗舰
• 缓存为王：重复性高的场景开启缓存，命中率通常可达60%+
• Prompt减肥：每减1个Token都是钱，系统Prompt越短越好
• 批量处理：能合并的请求尽量合并
• 成本审计：每周查看成本报告，发现异常及时优化

相关链接