OpenClaw是个好东西这句话我说在前面。它能帮你把一堆琐碎任务自动化接上各种渠道和工具省下大量重复劳动。但我也要把一句更难听的话放在前面如果你只用默认配置跑OpenClaw连着一周不管它月底看到API账单的时候大概率会怀疑自己是不是被“偷了钱”——其实没人偷你的钱是Token在“漏”。最近好几个朋友跑来问我说装了OpenClaw也没干多大事为什么API费用高得离谱。我帮他们逐个看日志和配置发现十有八九不是OpenClaw本身的问题而是大家根本没搞清楚这个Agent在背后到底调了多少次API、每次调用带了多少“私货”。这篇文章我就把这笔账一笔一笔算给你看顺便把我自己踩坑后总结出来的一套成本控制方案完整放出来照着做账单至少能压下去一半以上。1. OpenClaw“烧钱”的核心真相——你以为的一次对话背后可能是几十次API请求1.1 Agent的循环机制不是“问一次答一次”很多人刚上手OpenClaw时会下意识把它当成一个“带插件的聊天机器人”我问一句它答一句不就一次API调用嘛。大错特错。OpenClaw的底层是一个Agent循环Agent Loop它的工作方式是这样的拿到你的指令后模型先生成下一步动作比如“调用某个工具”“读取某个文件”“访问某个网站”然后OpenClaw执行这个动作把结果再塞回模型模型看到结果后再决定下一步干什么直到模型认为任务完成才输出最终回复。这意味着你在对话框里打了一句“帮我查一下今天的天气并写成邮件发给XX”背后可能是模型先调用天气查询工具然后调用通讯录工具再调用邮件发送工具最后总结——这4轮循环就是4次甚至更多次API调用。每一轮调用都有完整的上下文费用自然也按多次计算。我用一个实际项目举例让OpenClaw去扒一个网页的内容整理成摘要存到Obsidian。就这么个活儿它在背后做了至少6步理解指令、抓取网页、解析正文、摘要生成、格式化、写入Obsidian。每步都是一次模型调用而且每次调用携带的上下文里都包含了之前所有的中间结果。账单是“肉眼可见”地翻倍。1.2 你以为的Token费用到底花在哪了API计费不是按“对话轮次”算的是按Token算。Token是模型处理文本的最小单位中文一个字大约等于1到2个Token英文一个单词大约1到2个Token但账单上真正的“大头”往往不在这上面。第一个大头是系统提示词System Prompt。OpenClaw为了给模型注入能力会在每轮请求里都带上一个很长的系统提示词里面定义了角色、可用工具列表、工作流程、输出格式要求。我默认配置检查过一次系统提示词动辄几千Token而这些Token在每一轮请求里都要重复计费。也就是说你和模型来回10轮这个几千Token的系统提示词就付了10次钱。第二个大头是工具定义Tool Definitions。OpenClaw会把你接的每个工具Teams、Obsidian、浏览器、文件系统等的功能描述、参数签名、调用规范全部塞进请求里。工具越多这部分Token越长。我见过有人一口气接了十几个工具工具定义加起来快一万Token了哪怕模型一次都没调用光看这些定义就要付钱。第三个大头是上下文累积Context Accumulation。Agent每执行一步中间结果都会追加到上下文里。如果任务复杂上下文长度会指数级增长。举个直观例子前一轮上下文是5000Token下一轮就得把前一轮的5000Token加上新的输出和中间结果一起发给模型再下一轮又是8000Token。模型处理的总Token量不是线性增长而是类似复利——这才是一周下来账单爆炸的最核心原因。1.3 算一笔账看似简单的任务一周能干出多少费用我来做一个保守估算。假设你用的是目前主流的中高端模型按API标准价输入每百万Token约5美元、输出每百万Token约15美元这个价格区间已经是很有代表性的了。你每天给OpenClaw布置10个普通任务每个任务平均触发8轮Agent循环每轮循环的平均Token消耗按输入6000、输出800来算。单次循环费用大概是输入6000Token约0.03美元输出800Token约0.012美元合计约0.042美元。一个任务8轮循环就是0.336美元。每天10个任务就是3.36美元。一周7天就是23.52美元。看着好像不多对吧但这是“理想状态”。实际情况是很多人的任务不是10个而是让Agent长期挂在某个Channel上听命一有触发就执行很多任务不是8轮而是几十轮循环停不下来很多人的上下文越积越长单轮输入从6000涨到30000甚至更多。综合下来一周被干出一两百美元真的一点都不奇怪。我自己最惨的一次一周账单冲到了200美元出头当时人都是懵的。2. 90%的人“乱烧钱”的典型场景——你大概率已经踩了至少一个2.1 场景一让Agent自己“想”循环停不下来这是最常见的问题把任务描述得太开放比如“帮我看看有什么可以优化的”“把最近的消息整理一下”。OpenClaw的Agent一旦收到这种开放式指令就会进入“深思熟虑”状态从检查消息、读取文件、分析数据到尝试多种方案循环一轮接一轮每轮都在调API但始终没有明确的终点。我自己也干过这事让Agent去“研究”一个技术方案结果它自己在那里检索、分析、对比了20多轮最后输出的结论其实第三轮就已经有了。这十几轮多余循环产生的费用完全是白白烧掉的。后来我养成了一个习惯每次给指令都要写清楚“做到什么程度算完成”“最多尝试几次”“超出范围直接放弃”把终止条件焊死在任务描述里。2.2 场景二上下文越积越长每个轮回都背着一座山OpenClaw默认会把会话历史保存在内存里如果这个会话一直开着上下文长度就会不断膨胀。一个人日常使用可能感受不到但如果是接入Teams或Discord那种长期在线的Channel几天的对话积累下来上下文可能冲到几十万Token。到这个时候哪怕只是简单回一句“好的谢谢”OpenClaw也要把这几十万Token全部发给模型算一遍。这就是为什么有人发现明明这个星期没怎么用账单却比上周还高——不是用量多了是单次调用的成本被撑高了。我实测过一个跑了5天的会话上下文涨到12万Token每次简单回复的输入费用就已经到0.6美元了。一天几十次回复光这一项就是几十美元。后来我在配置里加了会话自动清理规则超过一定轮数或者一定Token量就强制开启新会话账单立刻掉了一截。2.3 场景三多渠道共用同一个Agent重复劳动全算钱OpenClaw支持同时接多个Channel比如Teams、Telegram、Obsidian、WebHook。不少人的配置是所有渠道绑定同一个Agent实例每个渠道收到的消息都会触发一次完整的Agent循环。举个例子你在这个渠道发了条消息Agent处理了一次另一个渠道同步了这条消息Agent又来了一次第三个渠道又触发了一次。同一件事被反复执行每次都算全量费用。更麻烦的是多个渠道的会话历史还会相互叠加上下文翻倍甚至翻三倍成本跟着一起翻。我建议你在部署时就做好Channel隔离每个Channel或每组Channel用独立的Agent配置独立会话历史必要时限制某些渠道的触发条件。这不光是省成本的问题更是避免Agent在多个渠道之间“精神分裂”的关键。2.4 场景四好模型干杂活杀鸡用牛刀OpenClaw支持按任务配置不同的模型但大多数人图省事全局只配了一个最贵的模型什么活儿都往那边送。整理一篇文章摘要用顶级模型回复一句“收到”用顶级模型解析一份网页内容也用顶级模型——每一个操作都在按最高单价计费。我现在的做法是分级配置复杂推理任务走最强模型日常文本处理走中等模型简单的分类、提取、格式化操作走最便宜的模型。OpenClaw支持在Agent级别或Channel级别指定模型花10分钟把路由配置好长期下来省的钱非常可观。3. OpenClaw成本控制实操——从部署起就锁死预算3.1 第一步部署时就把模型分级配好打开OpenClaw的配置文件通常在~/.openclaw/config.yaml或你自定义的路径下找到模型配置部分。我的建议是配三层主力模型默认处理大多数任务选性价比最高的中端模型可以兼顾效果和费用。复杂模型按需处理代码生成、长文分析、复杂推理选最强模型但只在特定任务里用。轻量模型杂活处理简单的分类、提取、转发、格式化选最便宜的模型哪怕效果略差也不影响实际使用。配置示例大致长这样models: default: qwen-plus # 日常主力 complex: claude-sonnet-4 # 复杂任务 light: deepseek-chat # 杂活专用然后在具体Agent或Channel的配置里通过model字段指定用哪一层。没有特殊需求的渠道一律用默认或轻量别给它们碰复杂模型的机会。3.2 第二步给Agent套上“紧箍咒”——循环上限与超时OpenClaw有一个关键参数是最大迭代次数Max Iterations默认值可能比你想象得大。你可以在Agent配置里强制改小比如3到5次。任务一旦超过这个循环次数Agent必须停止并返回当前结果或直接放弃。这意味着开放式任务不会再无限烧钱。同时建议配置单次任务超时时间比如60秒或120秒。到了时间还没完成直接终止宁可任务失败也不要让它继续跑下去。很多人在意“任务完成率”但在成本失控面前完成任务率没有那么重要——一次彻底失败的尝试远比一次烧了上百次循环的“成功”便宜得多。agent: max_iterations: 5 task_timeout_seconds: 1203.3 第三步管理会话上下文——该断则断该清则清我把自己的踩坑经验直接写成配置建议会话最大Token数设置为20000或30000超过就自动截断会话最大消息轮数设置为50或80超过就自动开新会话长期挂机的Channel每天固定时间自动清一次历史。OpenClaw里这些可以通过环境变量或配置文件控制具体名称取决于你用的版本。如果你的版本不支持自动清理那就写个定时脚本定期重启OpenClaw服务或重置会话。这招虽然粗暴但对控制上下文膨胀特别有效。还有个容易被忽视的点给OpenClaw接的工具体系要精简。你接的每一个工具都会把一大段工具定义塞进每轮请求这些Token同样计费。打开配置看看哪些工具是压根没在用的果断删掉。我删掉三四个不用的工具后单轮请求的Token量直接降低了20%左右这个优化周期做一次就够了。3.4 第四步启用API缓存与请求合并如果你用的是支持缓存的API服务比如DeepSeek、智谱、OpenRouter的部分模型务必把缓存开关打开。缓存生效时重复的上下文前缀不会重复计费能省掉大量重复计算的钱。我之前接DeepSeek API时特意测过同样的对话内容缓存命中后费用能降30%到40%。这个数字在长会话场景里特别明显因为长会话有大量前文是重复的缓存直接把它们的费用压下来了。如果你用的是OpenRouter可以按模型筛选带“context caching”或“cache”标识的模型。OpenRouter本身还提供统一的用量面板能让你更直观地看到每个模型、每笔请求具体花了多少钱——这是控制成本的第一步“裸检”。另外同一个模型同时支持流式输出和非流式输出在不需要实时反馈的场景下把响应模式设为非流式有些平台会对非流式的请求有价格优惠。我之前嫌流式响应好看一直开着后来发现纯后台处理的任务根本不需要流式切掉之后省了一点虽然不多但苍蝇腿也是肉。3.5 第五步设预算上限——让系统在超支前自己停下只看不控永远治标不治本。OpenClaw或底层API平台的基本报表能告诉你花了多少但做不到“花到多少就停”。所以你要么在API平台侧设置配额比如OpenRouter、Azure OpenAI都有Credit Limit要么在OpenClaw侧设置月度预算变量让Agent在预算消耗达到阈值时自动进入“只读模式”或停止响应。我自己在OpenRouter上设了一个硬性月限额比如50美元。哪怕某个Agent失控了它也最多烧到50美元就强制断开不会出现那种一觉醒来账单三位数的情况。对于任何一个认真使用OpenClaw的人这一步应该是部署初期就完成的不要拖到翻车才后悔。4. 实测排查从账单爆炸到成本可控的一次完整复盘4.1 第一步通过日志锁定“烧钱元凶”如果你现在已经处于“月账单爆炸”状态别慌按这个顺序排查。先看OpenClaw的日志目录通常是~/.openclaw/logs/或你配置的日志路径找到每个任务的执行记录重点看两个指标每个任务的循环次数、每次循环的Token消耗。日志里会把每次请求的模型、Token数、耗时都打出来。用一段简单的脚本把每天的Token总数汇总一下马上就能知道是哪个Channel、哪个任务类型在狂吃预算。我上一次排查时发现我的一个自动转发任务每天触发接近200次每次都要完整走4轮Agent循环而且因为上下文没清理单轮Token已经飙到3万了。一天的Token消耗小一百万妥妥的烧钱大户。但它在界面上看起来就是“转发了几条消息”毫无存在感。4.2 第二步给每个渠道做“成本体检”拿到日志后把所有渠道和Agent拉一张表统计每个渠道最近7天的请求数、Token数、估算费用。按费用从高到低排前三个通常是问题所在。我给一个朋友的排查结果特别典型他接了一个WebHook用于接收外部系统推送的告警消息每条告警都会被Agent拿去“分析决策”。这个低频但高耗的链路一周烧掉了120美元。问题是这些告警大部分是重复的根本不需要Agent介入。我们给这条链路加了去重逻辑和关键词过滤只有带特定关键字的告警才会触发Agent费用直接从120美元降到了15美元以下。这种“成本体检”建议每个月做一次。账单本身不可怕可怕的是你不知道钱花在哪了。4.3 第三步针对性地修别一刀切关掉所有功能排查完你会知道具体是哪几类场景在烧钱。我的建议是对症下药开放式任务烧钱 → 把任务指令改成带明确终止条件的写法关掉“无限循环”的可能性。长会话烧钱 → 设置自动会话重建或截断策略。多Channel重复触发烧钱 → 检查Channel之间的消息同步关系和触发规则确保每条消息只被处理一次。高模型低用途烧钱 → 调整模型路由把低价值任务切到便宜模型上。修完之后不要立刻开干先在低流量时段跑半天对比日志里的Token消耗变化。确认降下来了再放量。这一步很重要因为我见过有人改完配置后没跑验证结果配置错误导致Agent完全罢工那才是真的得不偿失。5. OpenClaw成本控制的技能清单——30天上手计划5.1 第一周打好底子部署OpenClaw时先把模型分级、循环上限、会话清理这三项配置好再从API平台侧设置硬性预算上限。这一周的目标是即使全部配置都出问题账单也炸不到哪里去。5.2 第二周摸清家底每天花10分钟看一眼日志记录每个任务的Token消耗和费用。把成本高的任务挑出来逐个优化指令、缩减上下文、切换便宜模型。这周的目标是搞清楚你的钱到底花在哪了。5.3 第三周做减法删掉不用的工具和Channel关闭不必要的触发条件把重复性的任务用脚本替代Agent。这周的目标是在不牺牲功能的前提下把无谓的消耗砍掉。5.4 第四周建立监控把日志里每天的总Token消耗和估算费用接入一个简单的监控面板或者用定时脚本每周汇报一次。设置告警阈值比如“单日Token消耗超过X万就通知你”。这周的目标是让成本问题在变成账单之前就被你发现。这里我列一个关键的参数参照表方便不同阶段的用户直接对照检查配置项推荐值原理解释max_iterations3~5限制Agent循环次数避免开放式任务无限烧Token会话Token上限20000~30000超限即截断防止上下文膨胀拉高单次调用成本会话消息轮数50~80超限自动开新会话重设上下文基线缓存开关开启利用API缓存降低重复上下文费用复杂模型调用占比低于20%只处理复杂任务日常杂活走便宜模型月度预算硬上限按承受能力设在API平台或服务端强制限制防止失控5.5 一些额外的省钱习惯我给自己的OpenClaw用了一个小习惯所有自动化任务尽量安排在API低峰时段跑。很多API平台在不同时间段会有不同价格而且低峰时段调用更稳定不容易遇到限流。举个例子我那些定时生成的周报、汇总分析都设置在凌晨3点左右执行既不影响使用又比白天跑便宜一点点。此外OpenClaw的有些操作其实可以完全绕过模型比如固定的文本转换、简单的数据提取、定时任务触发这些用Python脚本或系统自带的Cron就能做不需要动用Agent。能用脚本解决的事就不要用AI解决这个原则可以帮你省下至少30%的费用。AI的价值是处理那些脚本做不了的模糊、复杂任务而不是把每件小事都真人搬上Agent舞台。6. 最后分享两个我踩过的坑第一个坑是“全渠道通知陷阱”。我给OpenClaw接了一个通知通道想着每个任务完成后都发一条消息给我。结果每个任务本身的费用没有多少但每天几十条通知消息每条通知都会触发一次额外的模型调用来生成通知内容积少成多一个月多烧了小几十美元。后来我把通知改成模板消息完全不经过模型这部分费用直接归零。第二个坑是“定时任务重复触发”。我用Cron定时让Agent去抓取某个网站的信息但没注意上游网站更新慢Agent每天抓到的是同一份旧内容每次都完整跑一遍解析和摘要流程。后来我在任务里加了一个“如果抓到的页面摘要和上次一致直接跳过处理”的判断省掉的费用立竿见影。OpenClaw本身不是一个“省钱”的工具它是一个“做事”的工具。省钱的主动权完全在你手里你给它多大的循环空间它就会消耗多少你给它多长的上下文它就会背负多少。把预算意识和配置手段建立起来之后OpenClaw不仅不会让你的账单爆炸反而因为自动化效率的提升让你省下来的时间去干更有价值的事。我在实际使用中最大的体会是不要把成本控制当成事后的救火而要当成部署的一部分。就像你买车之后第一件事是买保险而不是出了事故再想保险——OpenClaw也一样先把上限锁好把监控建好剩下的才是放心地让它替你干活。