费用来源分析
OpenClaw 的主要费用来自模型 API 调用的 Token 消耗。理解费用构成是优化的第一步。
openclaw models cost --period 30d --detailed
Cost Breakdown (last 30 days):
Provider Model Input Tokens Output Tokens Cost
──────────────────────────────────────────────────────────────
openai gpt-4o 2.5M 1.8M $28.50
openai gpt-4o-mini 5.0M 3.2M $2.67
anthropic claude-sonnet 800K 600K $8.40
──────────────────────────────────────────────────────────────
Total 8.3M 5.6M $39.57
Top consumers:
telegram-main: $22.00 (56%)
discord-dev: $12.00 (30%)
webchat: $5.57 (14%)
策略一：模型分层使用
不要所有请求都用最贵的模型：
{
"routing": {
"rules": [
{"match": {"contentLength": {"max": 50}}, "model": "fast"},
{"match": {"content": ".*"}, "model": "smart"}
]
},
"models": {
"fast": {
"provider": "openai",
"model": "gpt-4o-mini",
"maxTokens": 1024
},
"smart": {
"provider": "openai",
"model": "gpt-4o",
"maxTokens": 2048
}
}
}
简单问候和短问题用便宜模型，复杂问题用高端模型。
策略二：控制输出长度
{
"models": {
"main": {
"maxTokens": 2048,
"systemPrompt": "请简洁回答问题。如果用户没有要求详细说明，请控制回复在200字以内。"
}
}
}
通过系统提示词引导模型生成更简洁的回复。
策略三：优化上下文窗口
对话历史会消耗大量输入 Token：
{
"sessions": {
"maxHistory": 10,
"contextStrategy": "smart-trim",
"summaryAfter": 20
}
}
maxHistory: 10：只保留最近 10 轮对话contextStrategy: "smart-trim"：智能裁剪不重要的历史消息summaryAfter: 20：超过 20 轮后自动生成摘要替代完整历史
策略四：使用缓存
对于重复性高的问答（如 FAQ），启用响应缓存：
{
"cache": {
"enabled": true,
"ttl": 3600,
"maxEntries": 1000,
"strategy": "semantic",
"similarityThreshold": 0.95
}
}
语义缓存可以匹配「措辞不同但意思相同」的问题。
策略五：设置预算上限
{
"budget": {
"daily": 10.00,
"monthly": 200.00,
"perUser": {
"daily": 1.00
},
"actions": {
"warning": 0.8,
"downgrade": 0.9,
"stop": 1.0
},
"downgradeModel": "fast"
}
}
- 达到预算 80% 时发送告警
- 达到 90% 时自动降级到便宜模型
- 达到 100% 时停止服务
策略六：使用本地模型
对于非关键场景，使用免费的本地模型：
{
"models": {
"local": {
"provider": "ollama",
"model": "llama3.1:8b",
"maxTokens": 2048
}
},
"routing": {
"rules": [
{"match": {"channel": "internal-chat"}, "model": "local"},
{"match": {"content": ".*"}, "model": "smart"}
]
}
}
策略七：速率限制
防止单个用户消耗过多资源：
{
"channels": {
"telegram-main": {
"rateLimit": {
"maxMessages": 20,
"window": 60,
"maxTokensPerDay": 50000
}
}
}
}
费用监控与告警
# 查看实时费用
openclaw cost today
# 查看月度趋势
openclaw cost trend --period 30d
# 设置告警
openclaw cost alert --daily 10 --notify telegram-admin
费用报告
# 生成月度费用报告
openclaw cost report --period monthly --output cost-report.json
{
"period": "2026-03",
"total": 39.57,
"breakdown": {
"byProvider": {"openai": 31.17, "anthropic": 8.40},
"byChannel": {"telegram": 22.00, "discord": 12.00, "webchat": 5.57},
"byDay": [{"date": "2026-03-01", "cost": 1.32}, ...]
},
"savings": {
"cacheHits": 350,
"estimatedSaved": 8.50,
"modelDowngrades": 120,
"estimatedSaved": 5.20
}
}
投资回报率计算
月度 AI 费用: $39.57
替代方案（人工客服 4h/天 × 30天）: $3,000+
节省: ~$2,960/月
ROI: 7,480%
总结
费用优化的核心是「在正确的场景用正确的模型」。通过模型分层、上下文优化、缓存和预算控制的组合使用，通常可以在保持服务质量的同时减少 50-70% 的费用。定期审查费用报告，持续优化路由规则是长期降本的关键。