OpenClaw前阵子把一个朋友整破防了。他刚把智能体接到微信上想着让AI帮忙回消息、整理文件、顺手剪个短视频结果睡了一觉醒来账单上多了一千多美金差点以为是账号被盗刷。我帮他拉了API调用日志一看问题出在OpenClaw实在太能“跑”了——这个开源智能体平台最近在各技术社区火得不行你可以把它理解成一个“AI打工人”开源免费装好就能用能接各种模型、各种插件甚至能控制电脑里的Chrome浏览器。可它越能干花钱就越快模型调用费、长上下文叠加、循环任务失控哪一项都能把月度账单干到五位数人民币。这篇文章就是写给被账单吓到的人以及想用OpenClaw又怕超预算的朋友。我会从账单失控的根因讲起把模型路由、上下文限制、免费模型兜底这些省钱套路逐个拆开最后给出一套能落地的配置方案。按这套思路操作个人轻量使用的月度成本可以稳定压在39元人民币左右。别急着划走这套方案不是让你阉割功能而是把每一分钱花在刀刃上。1. 账单失控的根因OpenClaw到底把钱烧在哪了1.1 OpenClaw能干什么为什么它会这么“烧钱”先说清楚OpenClaw是个什么东西。它是最近社区里热度很高的开源AI智能体Agent平台名字里的Claw是“爪子”的意思社区昵称“龙虾”。它解决的核心问题是把大模型从“你问一句、它答一句”的聊天机器人升级成“你给一个目标、它自己拆解任务并执行”的自动化助手。你可以通过给它配置不同的Skill技能和插件让它接入微信、QQ这类IM工具自动回复消息可以挂上浏览器控制组件指挥它打开网页、填表单、抓数据可以接上视频剪辑工具链让它按照脚本自动剪片甚至可以在飞牛NAS、安卓Termux这类环境里部署一个常驻实例当家庭自动化大脑用。从社区的热度来看大家玩得最多的方向是微信机器人、自动视频剪辑、网页信息采集、定时任务调度。但关键问题就在这里OpenClaw的所有能力本质上都是靠“模型推理”驱动的。它每执行一步操作之前都要先把当前状态、历史记录、工具返回结果打包成提示词发给大模型“思考”一次模型返回的不仅是一句回答还有下一步该调用哪个工具、参数是什么的指令工具执行完结果又要送回模型继续判断。这一来一回每一次“思考工具调用”都是一次完整的API请求消耗的token量是普通聊天的几十倍。我打个比方你就明白了。普通聊天像是点一份盖浇饭一次性付钱吃完走人。OpenClaw干活像是请了个厨师他每做一步都要先看看菜谱读上下文、尝一口味道分析中间结果、再决定下一步放什么调料调用工具。做一道菜他要反复“尝想”几十次每一步都是钱。菜还没上桌后厨的账单已经翻了几番。1.2 三大“吞金”陷阱我见过最高的一晚烧掉上千美金结合我自己踩过的坑和帮朋友排查的案例账单暴涨基本都是下面三个原因叠加出来的。陷阱一任务死循环一个错误触发几千次重试。我朋友那次“一夜千元美金”的事件根因就是给一个自动整理文件的Skill配了不合适的权限路径。Skill在移动文件时反复遇到权限报错而OpenClaw的默认策略是“报错就重试换个姿势再来”。于是那个深夜它在同一个文件夹上来回尝试了八千多次API调用。等我看到日志的时候光是输入token就消耗了上亿字符。所以你现在理解为什么有人能把OpenClaw用到破产了——不是它故意坑你是它真的“太执着”。陷阱二上下文无限膨胀历史记录全是钱。OpenClaw在处理连续任务时默认会把整个会话的历史全部保留作为后续每次请求的上下文输入。正常情况下这没问题但你要让它做一个长任务——比如“帮我把这个月的工作日志整理成周报”——它可能会分十几个步骤执行。每一步都要把前面十几步的全部对话内容重新读一遍。做个比喻你让实习生整理30页资料正常人看一遍就开始写AI则是每写一行字就把30页资料从头到尾重新读一遍。单次请求的输入token轻松飙到几十万甚至上百万按token计费的API直接原地起飞。陷阱三模型选型无差别“顶配”杀鸡用牛刀。这是新手最容易犯的错。OpenClaw默认配置往往指向能力最强的旗舰模型很多人装完也不改于是一个“识别图片里的文字”这种轻量任务也要动用顶级大模型。旗舰模型和普通模型的价格差距能有几十倍而大部分日常任务——意图识别、格式转换、简单问答——根本用不上那么强的推理能力。把全部流量都导到最贵的模型上相当于每天开着重型卡车去买菜油钱自然压不住。除了这三个大坑还有一个容易被忽略的隐性成本工具调用的结构化输出损耗。模型每次“决定调用工具”时都会输出一长串JSON格式的指令包含工具名、参数、说明字段。这些内容单看不多但一次复杂任务可能要调用几十次工具积少成多一天下来也是个不小的数字。所以省钱的第一步不是研究怎么砍价而是先搞清楚钱到底是被谁花掉的。2. 成本优化核心思路与方案选型39元/月的预算怎么拆2.1 先算一笔账39元/月到底能跑多少东西很多人一听到“把账单从千元美金砍到39元”第一反应是“那功能肯定废了”。还真不是。39元这个数字不是极限抠门而是我按“个人日常使用”的真实需求倒推出来的每天处理30次左右的任务包括微信消息回复、网页信息抓取、定时任务偶尔跑一次复杂分析。按现在国内性价比最高的DeepSeek API来算输入约为2元/百万token输出约为8元/百万token。假设每次任务平均输入8000 token、输出2000 token那么单次成本大概是输入成本8000 ÷ 1,000,000 × 2元 0.016元输出成本2000 ÷ 1,000,000 × 8元 0.016元单次任务合计约0.032元一天30次就是0.96元一个月28.8元再留出10块钱的冗余用于偶尔的突发调用和少量需要高质量模型的任务正好落在39元左右。这个预算覆盖的场景已经相当宽裕每天三十次任务对个人用户来说完全够用了。当然这个计算有一个前提绝大部分请求走的是低价模型并且做好了下文要讲的上下文限制。如果全用旗舰模型同样的调用量单价翻二十倍一个月就是五六百元。所以省钱的本质不是不用AI而是把每一步模型调用的“单价”打下来把“调用量”控住。单价和量都控制好了账单自然就听话了。2.2 三层模型路由方案旗舰模型只留给关键时刻接下来是整套省钱方案的核心别让所有任务共用同一个模型而是把任务按复杂度分流到不同价位的模型上。我目前用的是三层路由第一层本地/免费层处理轻量任务。用Ollama在本地跑一个小参数模型7B左右或者用硅基流动这类平台的免费模型负责意图识别、关键词提取、简单问答。比如微信消息进来先让这层判断“这条消息是闲聊、是命令、还是需要复杂处理”只有判断为“需要复杂处理”时才会转给高价模型。这一层能过滤掉大部分无效请求是省钱的大头。第二层性价比层处理日常任务主体。以DeepSeek、通义千问这类低价商用API为主负责大多数实际执行写周报、做摘要、信息检索、常规对话。这层是主力承担了大概70%的流量。第三层旗舰层只处理高价值任务。复杂代码调试、长文档深度分析、多步骤推理这类任务才动用最强模型。控制这层流量的关键是“按需触发”而不是默认使用。在三层之间做路由的方式取决于你的部署形态。我在主力实例上用的是OpenClaw Gateway的模型映射能力它相当于一个统一的入口可以在不改业务代码的情况下按规则把不同来源的请求分发到不同模型。社区里常用的CCSwitch也能实现类似效果它的特点是支持更灵活的切换规则和快捷操作可以绑定到Skill或脚本里动态切换。实操中最常见也最有效的规则就一条默认走性价比层检测到任务复杂度超过阈值时自动或手动切到旗舰层。比如我微信机器人的默认模型是DeepSeek只有当用户发送“分析这份文件”或者“帮我排查代码问题”这类指令时对应Skill才会调用旗舰模型。把这两条规则写进配置账单基本就稳了。2.3 免费的“兜底”方案硅基流动与本地模型有人会问能不能再省一点把39元也省掉能但代价是你要接受免费方案的局限性。硅基流动SiliconFlow是国内一个模型聚合服务平台OpenClaw社区里很多人都在用。它对一些开源模型提供免费调用额度接入方式和常规API一样填个Key就行。免费的额度对个人日常使用来说相当可观适合跑轻量任务。它的限制主要有两个一是免费模型的推理能力上限不高太复杂的任务会“犯傻”二是免费层一般有速率限制不适合高并发场景。所以我的用法是把它放在最前面当“守门员”只处理简单判断不给它安排重活。另一个更彻底的免费方案是本地模型。用Ollama在电脑或NAS上跑Qwen2.5 7B这类小模型完全免费、无网络延迟、数据不出本机隐私性也好。但代价是你得有还不错的硬件配置而且7B模型的推理能力确实有限只能做意图识别、文本分类这类轻任务。我的建议是不要把免费方案当成“主力”而是把它当成“过滤器”。消息进来先经过免费层能挡掉一半以上的无关请求剩下真正需要动脑子的再花那几分钱去调用商用模型。这样组合下来39元不仅有富余还能偶尔让旗舰模型干点重活。如果你连39元都不想花那就全用免费层本地模型功能上会弱不少但零成本跑起来是没问题的。3. 实操从部署到裁剪账单的完整过程3.1 部署方式怎么选Windows离线包、Ubuntu脚本、Termux原生成本控制做得好不好其实跟你部署在哪关系不大因为部署本身不花钱钱只花在模型API上。但部署方式会影响你后续配置的顺手程度这里简单说说各自的定位。Windows用户最省心。社区里有热心人做了离线整合包把OpenClaw运行环境和常用依赖都打包好了下载解压就能跑适合完全不想折腾环境的新手。整合包通常还自带配置工具的图形界面改模型、加Skill都比较直观。有Linux服务器或者打算长期挂机的推荐用官方提供的安装脚本。官方支持通过安装脚本指定git安装方式直接从Git仓库的main分支检出源码进行部署这样做的好处是你随时能拿到最新功能升级也方便。命令大概长这样curl -fsSL https://install.openclaw.example.com | bash -s -- --git-branch main注意实际域名和参数以官方文档为准这里只是演示思路。Ubuntu下跑起来之后建议用systemd托管进程保证开机自启和意外退出后的自动拉起。安卓手机用户也有方案。在Termux里可以原生部署OpenClaw不需要proot这种虚拟环境直接装依赖跑起来适合手上只有一台安卓设备的人。性能上会弱一些但跑轻量任务、当消息中转机完全够用。另外macOS下安装也是常规操作很多人就是在Mac Mini上挂一个常驻实例飞牛NAS这类家庭服务器装OpenClaw也很流行适合当家庭自动化中枢7×24小时待命。3.2 关键配置把上下文、频率、token上限卡死在预算内部署完成之后先别急着接各种Skill第一步是改配置把账单的“水管”拧细。这一节的内容直接决定你月底看账单时的表情。第一项限制上下文窗口。这是所有配置里最立竿见影的一项。OpenClaw默认会保留较长的会话历史但对个人日常任务来说大多数场景根本不需要记住很久以前的对话。建议把max_context_tokens设为32000以内超过的部分自动丢弃或摘要压缩。这个值配好了输入token的直接消耗能降一半以上。我的配置是16000实测对日常任务完全够用只有跑长文档分析时才会临时调高。第二项限制最大迭代次数。这是防死循环的保命项。给所有任务设置max_iterations我建议从15开始意思是单个任务最多让模型“思考行动”15轮超过就强制终止并返回错误。这个参数是防止我那位朋友“一夜千元”事故再次发生的核心防线。正常情况下大部分任务的迭代次数在5轮以内15是安全线既能保证复杂任务跑完又能让死循环在失控前被掐死。第三项限制请求频率。在OpenClaw里可以设置每分钟/每小时的最大请求数。比如每秒最多1次请求、每小时最多200次超出的请求进入队列或直接丢弃。这相当于给智能体加了个“油门限制”再急的任务也不能一脚油门踩到底。对个人使用来说这个限制基本不会影响正常体验但能有效防止异常情况下的费用飙升。第四项设置任务超时时间。给每个任务加一个时间上限比如10分钟内没有完成就自动终止。尤其是一些长耗时任务比如自动视频剪辑它可能在某个步骤卡住然后反复重试。超时机制是最后一道保险确保没有任何任务能无限期运行。一个典型的省钱配置长这样具体字段以你的版本为例但思路通用model: deepseek-chat fallback_models: - siliconflow/qwen-turbo - ollama/qwen2.5:7b max_context_tokens: 32000 max_iterations: 15 max_requests_per_minute: 30 max_requests_per_hour: 200 task_timeout_seconds: 600这几项配置加完你的OpenClaw就不再是那个“撒欢跑”的败家子了而是一个手脚被绑住但干正事没问题的打工人。3.3 CCSwitch与Gateway模型切换把账单钉死在预算内配置好限制之后下一步是搞定模型切换。这里涉及两个社区里出镜率很高的东西Gateway和CCSwitch。简单解释一下OpenClaw Gateway可以理解成“模型调用总闸门”所有的请求都从它这里进出。它的价值在于你可以在不修改每个Skill代码的情况下统一修改模型路由规则。比如我在Gateway里配置了一条规则所有来自微信插件的请求默认走DeepSeek当请求携带“需要深度推理”的标记时才转发到旗舰模型。这样改一处配置全局生效。CCSwitch是社区里做的模型切换工具名字直译就是“切换开关”。它一般以插件或独立脚本的形式运行通过简单的命令行或快捷键就能在多个模型之间来回切换。在OpenClaw里你可以把CCSwitch封装成一个Skill让智能体在任务过程中根据复杂度自动切换模型。比如检测到当前任务连续三轮都没解决问题就自动从“经济模式”切到“火力全开模式”任务结束后再切回来。我的具体做法是默认配置走“省钱模式”模型是DeepSeek 免费层兜底同时在系统提示词里加一句“当你认为当前任务需要更强的推理能力时调用CCSwitch切换到旗舰模型并在结束时切回”。通过这种方式90%的请求都停留在低价层只有真正复杂的问题才“升级”到高价模型。实测下来单次复杂任务可能多花几毛钱但因为发生频率低对月度账单影响不大。3.4 高消耗场景的专项限制视频剪辑、浏览器控制如果你的OpenClaw要跑的不是普通对话而是自动视频剪辑、浏览器控制这种重型任务上面那些通用配置还不够得做专项限制。先说浏览器控制。OpenClaw控制Chrome干活时典型的循环是截屏看页面状态 → 把截图发给模型理解 → 模型决定下一步操作 → 执行操作 → 再次截屏。这个循环每一次都要消耗大量token因为截图转成图像数据后体积很大传给模型的成本远超纯文本。如果任务步骤多比如要填一个十来个字段的网页表单轻松烧掉几万token。视频剪辑更夸张。自动剪辑一个短视频可能要经历理解脚本 → 切分素材 → 抽取关键帧 → 逐个片段审核 → 调整剪辑参数 → 反复预览。每个环节都可能触发多次模型调用而且中间产物视频帧描述、剪辑决策token消耗巨大。我见过有人让OpenClaw剪一个三分钟的片子结果模型调用次数超过了500次。针对这类任务我的策略就三招第一单次任务的迭代次数上限调低比如10宁可任务失败也不让它无限循环第二给高风险Skill加“人工确认”机制每执行一步之前先问一下用户第三设置冷却时间同一个Skill两次执行之间至少间隔几分钟防止意外触发后反复运行。说到底真正省钱的不是把模型单价压到最低而是让智能体“少干活”。任务拆得越细、失败重试越少账单就越干净。4. 常见问题与省钱避坑实录4.1 微信集成报错与ilinkai会话残留的排查OpenClaw集成微信是很多人的第一个玩法但也是问题高发区。最典型的现象是跑着跑着突然发不出消息了日志里出现“触发服务端风控或会话残留”之类的提示。很多人一看到“风控”两个字就慌了其实大部分情况跟风控没关系就是下面几个技术问题。第一是会话残留。OpenClaw连接微信后会在本地保存会话状态。长时间运行后这些会话文件可能堆积或者损坏导致服务端判定为异常连接。解决办法很直接重启服务或者把会话缓存目录清理一下再重新登录。社区里的经验是每48小时重启一次服务能有效减少这类报错。第二是发送频率过高。如果你的智能体回消息太快太密尤其是在被拉进群聊、一次需要回复多人时容易触发接口限流。遇到这个情况给消息发送加一个间隔比如每5秒最多发一条同时在日志里观察是否还有报错。调低频率后大部分限流问题都能缓解。第三是登录凭证过期。微信的登录凭证有有效期过期后会出现间歇性报错。如果发现报错在某个固定时间点之后开始出现优先检查是不是凭证过期了重新扫码登录就行。修这个问题时先看日志再看session状态最后调频率参数按这个顺序排查能省不少时间。4.2 账单已经爆了怎么办预警机制与事后排查最怕的不是花钱而是钱花完了还不知道花在哪。所以一旦你决定长期跑OpenClaw强烈建议从第一天就设置好预警机制。API平台侧大多数模型服务商都提供消费告警功能。我用的DeepSeek和硅基流动都支持设置每日消费上限比如每天消费达到2元就发短信提醒达到5元就暂停API调用。这个功能一定要开花几分钟设置能救你于水火之中。OpenClaw侧定期查看调用日志和统计。重点关注两个维度一是哪些Skill消耗的token最多二是哪个时间段调用量异常。通过日志分析你能非常清楚地看到原来是那个定时任务每五分钟跑一次或者是某个Skill在后台疯狂重试。定位到具体源头之后修复就很简单了。还有一个我踩过的坑定时任务的cron表达式写错了。当时我想配一个“每天上午10点执行”的任务结果写成了每分钟都执行而且没注意到。那个任务跑了一整天勾掉了几千次API调用。排查的时候看日志才发现某个Skill的调用记录是均匀分布在全天的一看就是定时任务配置问题。所以配完定时任务之后一定要先手动触发一次再观察几分钟确认频率符合预期别急着让它后台跑。4.3 免费额度的隐藏门槛速率限制与任务失败用硅基流动这类免费模型时很多人会遇到一个奇怪的现象刚配置完好好的跑了几十个请求之后突然失败率大增日志里全是超时或限流错误。这是因为免费层通常有速率限制和每日总额限制超过之后就会开始限流而不是立刻拒绝。应对办法是给免费模型配置一个“失败降级链”当免费模型返回限流错误时自动切换到低价商用模型再不行就切到本地模型。OpenClaw的fallback_models配置就是干这个的把不同价位的模型按优先级排列请求会自动寻路。这样既能在绝大多数时间享受免费额度又不会因为限流导致任务中断。另外免费模型处理复杂任务时确实容易“答非所问”或者格式错误。建议把免费层的任务限定在意图识别、关键词提取、格式转换、简单检索。任何需要多步推理的任务直接走商用层别看免费层便宜就硬用任务反复失败重试的成本往往比直接调用商用模型还高。我没有刻意去追求零成本而是选择了一个稳定和便宜之间的平衡点——39元/月功能完整还不怕跑任务跑出事。这里最值钱的一条经验是给每个Skill都加上调用次数配额和冷却时间宁可任务偶尔不执行也不给它失控的机会。OpenClaw是个好工具但它的“勤劳”有时候真的会把你坑到。把模型路由和任务配额这两件事做好剩下的交给时间就行。