Token 烧钱？OpenClaw 这几个配置让我省了一半开销

前言

AI agent 好用，但跑起来 token 消耗真的肉疼。笔者用 OpenClaw 跑了一段时间之后，摸索出了几个实际有效的省 token 姿势，拿出来给老哥们参考——不是什么玄学调优，都是能直接落地的配置改动。
MEMORY.md 越短越好

这是最容易被忽视的地方。OpenClaw 每次 memory recall 都要扫描 MEMORY.md，文件越长，token 消耗越高。
笔者踩过的坑：早期把所有对话结论、临时备忘、甚至聊天记录片段都往里塞，一个月后 MEMORY.md 涨到 300 行，每次对话光 recall 就多烧几百 token。
正确做法：

• MEMORY.md 只存结论，不存过程
  
• 日志流水放 memory/YYYY-MM-DD.md，按需读取
  
• 定期清理过期条目，没用的直接删
  

对比示意：
写法token 开销老大喜欢简洁回答低2025年1月3日，跟老大聊了很久，他说他比较倾向于不那么冗长的回答风格...高memory_search + memory_get 组合拳

OpenClaw 提供了两个内存工具，很多人只用了 memory_search 就结束了——其实只做到一半。
正确流程：

1. 1. memory_search("查询关键词")   → 返回相关片段 + 行号
2. 2. memory_get(path, from=行号, lines=N)  → 精准取那几行

复制代码

这个组合的好处是：agent 不需要把整个文件加载进 context，只取真正需要的片段。笔者实测，recall 相关内容的 token 消耗能降 70%~80%。
如果让 agent 直接读整个 MEMORY.md，一次就是几百 token 打水漂。
HEARTBEAT.md 保持轻量

心跳机制本身没问题，问题出在 HEARTBEAT.md 里堆了太多内容。每次心跳触发，这个文件的内容都会注入 context。
笔者的策略：

• 只放当前还没完成的检查项
  
• 完成一条删一条，不留历史
  
• 不需要定期检查的时候，文件保持空（只留注释行）
  

1. # HEARTBEAT.md
3. # 保持空 = 跳过心跳 API 调用，直接回 HEARTBEAT_OK

复制代码

长期周期性任务（比如「每天早上 9 点检查邮件」）改用 cron job，和主 session context 完全隔离。
复杂任务扔给 subagent

主 session 的 context 随着对话越来越长，每一轮的 token 消耗都在涨。对于一次性的重活（分析长文档、批量处理数据、跑代码），用 sessions_spawn 起一个独立 subagent：

1. sessions_spawn(
2.   task="分析这份报告，提取关键结论",
3.   runtime="subagent"
4. )

复制代码

subagent 有干净的 context，任务完成即销毁。主 session 只需要收一个结果摘要，来回开销大幅减少。
举个实际场景：让 agent 分析一份 50 页 PDF。直接在主 session 跑，整份内容进 context，光 input token 就爆了；扔给 subagent 处理，主 session 只拿摘要，省下的 token 可能有 10 倍差距。
工具调用一步到位

每次工具调用都有 overhead，agent 来回确认、分步操作会快速累积消耗。
几个实用原则：

• 批量 > 循环：Feishu Bitable 写 100 条记录，一次批量写 vs 循环 100 次，token 差距巨大
  
• 明确指令，减少确认：prompt 里写清楚「直接执行，不需要确认」，避免 agent 来回问
  
• 并行工具调用：互相不依赖的查询，让 agent 在同一轮同时调用，而不是串行等结果
  

按任务选模型

OpenClaw 的 cron job 支持 model 字段，不同任务没必要都用最贵的模型：
任务类型推荐模型心跳检查、格式转换、简单问答doubao-seed-2.0-pro代码生成、复杂推理、写文章claude-sonnet / gpt-5.4cron job 配置示例：

1. {
2.   "payload": {
3.     "kind": "agentTurn",
4.     "message": "检查今天有没有重要邮件",
5.     "model": "litellm/doubao-seed-2.0-pro"
6.   }
7. }

复制代码

总结

省 token 的核心思路就一句话：减少无效信息进入 context。MEMORY.md 精简、recall 按需取片段、HEARTBEAT 保持空、复杂任务隔离到 subagent、工具调用批量化、按任务匹配模型——这几板斧组合下来，笔者的月度 token 消耗大概降了一半左右。AI agent 不是越跑越贵，是配置没做好才贵。
联系我

• 联系我，做深入的交流
  

至此，本文结束
在下才疏学浅，有撒汤漏水的，请各位不吝赐教...

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！