OpenClaw Token消耗过快怎么办？

Token消耗过快是“龙虾大军”最普遍的心头痛。有用户反映重度使用下，1亿Token仅够撑一个月，成本约七千元；更有甚者因AI失控，一夜之间消耗数亿Token，收到数万元账单。不过别担心，通过优化设置和安装省钱技能，完全可以实现40%-95%的Token节省。以下是全网最全的省钱攻略。

一、根源诊断：为什么Token烧得这么快？

暴力读取全文件： 处理PDF、代码库时，直接完整内容喂给大模型，冗余信息浪费严重。

网页搜索返回冗余数据： 常规搜索返回HTML、广告等垃圾信息，模型需消耗Token解析筛选。

对话记忆无限制膨胀： 每次会话都加载完整历史记录，重复内容反复消耗Token。

无效循环与异常调用： 工具调用失败后无限制重试、死循环，短时间内烧光Token。

固定基础消耗： 即使一句“你好”，也需加载所有工具定义和引导文件，原版固定消耗约15,466 Token。

后台心跳机制： 即便闲置状态也在不停“烧钱”，持续触发端口调用。

二、6大神级省钱技能：安装即省40%-95%

1. QMD（必装首选，节省90%+）：本地语义搜索引擎，采用三层混合检索机制，只将与指令相关的核心片段传给模型，彻底解决长记忆文件Token浪费问题。安装方法：在OpenClaw容器内执行bun install -g qmd，编辑配置文件添加memory相关配置，重启网关。实测每次查找从15,000 Token降至1,500 Token，长会话（100轮）消耗从50万Token降至6万Token。

2. exa-search（节省70%-90%）：纯净网页搜索技能，过滤HTML标签、广告等冗余信息，仅返回纯文本。安装：npx clawhub@latest install exa-search。联网查询、热点搜集场景必备。

3. memory-optimizer（节省40%-60%）：对话记忆自动压缩，夜间自动压缩SOUL.md等记忆文件，去除重复内容。需搭配本地模型使用。

4. prompt-guard（安全+省钱，节省70%）：分层加载防御规则，过滤恶意请求和无关内容，避免AI被垃圾信息带偏、浪费Token。安装后在配置文件中启用即可。

5. clawsec（止损100%）：安全熔断防无效调用，检测到异常调用时自动熔断，避免死循环消耗。

6. index1（节省80%）：轻量级代码检索，建立代码索引，仅返回相关函数块而非完整文件，适用于代码开发场景。

三、必须关闭/修改的5个设置

1. 关闭【长上下文记忆】：打开config.yaml，找到memory.max_tokens，从默认4000改成2000或1000，省一半Token且日常对话完全够用。

2. 关闭【图片自动理解】：找到vision配置项，设置为enabled: false，需要时再手动开启。大多数人根本用不到这个功能。

3. 启用Prompt Caching（提示词缓存）：执行openclaw config set models.cache.enabled true。原理是把不变的系统提示词、工具定义缓存起来，后续只处理动态指令。以Claude Sonnet为例，缓存读取价格只有基础价格的10%。

4. 限制文件系统权限：找到file-system skill配置，限制allowed_paths到指定目录（如下载文件夹），切勿给~/.ssh、/System等敏感目录权限。

5. 禁用官方Brave搜索：Brave注册需国外卡扣5刀，改用Tavily MCP工具或Google Custom Search API，免费额度够用。

四、高阶省钱策略：混合模型法（省95%+）

这是2026年社区公认的终极省钱秘籍——“收费模型调教 + 免费模型执行”。

收费模型“调教期”： 用收费模型（如Claude 4.6、Qwen3 Max）处理复杂任务，打磨流程、优化逻辑，最终生成本地可执行脚本。

免费模型“执行期”： 切换至免费模型（如cherry-aihubmix/coding-glm-4.7-free），直接调用已生成的成熟脚本执行重复任务，避免重复消耗收费Token。

优势： 脚本保留了收费模型的优化逻辑，免费模型仅负责执行，既保证任务效果，又将Token消耗降至最低。

更极致：本地模型做“肌肉”。将Anthropic或ChatGPT作为OpenClaw的“大脑”负责规划，然后用本地模型（如Qwen 3.5）作为“肌肉”负责执行。执行占用了90%的Token使用量，完全免费（只需电费）。32GB内存的Mac Mini即可运行Qwen 3.5-35B-A3B。

五、终极解决方案：Viking分层路由（节省67%-93%）

这是开源社区最新推出的完整优化版OpenClaw-Viking，核心改造是在调用主模型前先用轻量本地模型判断用户意图，只加载真正需要的工具和文件。

实测节省效果：

简单对话（“你好”）：优化前15,466 Tokens → 优化后1,021 Tokens，节省93%。

TTS语音+发送：15,466 Tokens → 1,778 Tokens，节省88%。

文件操作：15,466 Tokens → 3,058 Tokens，节省80%。

代码编写+运行：15,466 Tokens → 5,122 Tokens，节省67%。

安装方法： git clone https://github.com/adoresever/AGI_Ananans.git，进入26.2.21openclaw-viking目录，执行pnpm install和pnpm build。推荐用Ollama运行GLM-4.7-Flash做路由模型（零成本）。

六、预算管控：设置熔断机制防“半夜跑飞”

在各大模型供应商的后台，设置额度告警和消费上限。例如：单日消耗超过10美元短信提醒，超过20美元自动熔断。别高估自己的控制力，AI跑起来你根本拦不住。

新手建议选带额度的套餐（如阿里基础套餐40元/月，首月7.9元），哪怕算力一下烧完了也就损失几十块。慎用“先用后付”，万一OpenClaw失控，一晚上产生几千上万元的账单就太心疼了。

《夸克》非常好用的免费AI浏览器

下载APP查看