Token

很多人刚把 OpenClaw 跑起来的时候，关注点都在“能不能用”。等真正开始高频使用，第二个问题马上就会冒出来： 怎么省 token，怎么省钱。 这不是抠门，而是现实。尤其你一旦开始接 Telegram、开多 agent、装 skills、做网页搜索，模型调用频率会明显上升。OpenClaw 本身很强，但强也意味着你更需要会做分层配置。 我自己的核心思路就一句话： 别让最贵的模型去干最便宜的活。 OpenClaw 在这方面其实挺有优势，因为它不是只绑定一个模型。它本来就是一个面向多 provider、多 agent、多工具协作的框架。只要你思路理顺，完全可以把“不同任务交给不同模型”这件事做得很自然。 一、先接受一个现实：不是所有问题都需要最强模型 有些任务，真的不值得上旗舰模型。 比如： 把一句话润色一下 提取一个列表 总结 200 字短文本 改一个标题 判断这是不是待办事项 这些任务对推理深度要求不高，用便宜模型通常就够。 真正该上强模型的，通常是： 多步骤复杂推理 长上下文整合 需要谨慎判断的写作或方案设计 多 agent 最终汇总 高风险内容审核 这一点，和 OpenClaw 的官方 sub-agents 文档思路也是一致的：重任务和重复任务，子 agent 可以用更便宜的模型，主 agent 保持更高质量的模型。 二、OpenClaw 为什么天然适合做模型分层 1）它有多 provider 思路 OpenClaw 的插件体系里，官方列出的模型 provider 很多，包括 OpenAI、Anthropic、Google、OpenRouter、Mistral 等等。也就是说，从架构上它就不是单模型思维。 2）它有多 agent 思路 你完全可以让： 主 agent：用强模型 子 agent：用便宜模型 某些特殊任务：临时覆盖模型 这种分层在 OpenClaw 里很顺，不是硬拗出来的。 3）skills 和工具也会影响 token 官方 skills 文档专门提到 skills 列表本身就会有 token 影响。换句话说，省 token 不只是“换便宜模型”，还包括： ...