使用openclaw非常烧token，每次和它对话，它实际每次要输入 系统提示词、工作区文件、对话历史、工具输出 和 当前对话，就会产生滚雪球效应。作为一名重度依赖的openclaw玩家，和朋友经过多次交流，总结出了即使不会写代码也能大幅减少token成本的一些方法。

核心优化方法如下：

策略一 上下文管理（可减少30%左右）

①当不需要历史记录时，比如本次输入/new或/reset定期重置回话再进行提问；②配置文件设置每天重置或空闲超时重置；③修改contextPruning配置进行上下文修剪，将TTL缩短至5分钟，及时剔除过期工具结果。

策略二 根据任务复杂度分层使用模型（节省60%左右）

以下为AI给出的一些参考

策略三 配置优化

①heartbeat模型：这是最根本减少heartbeat消耗的方法，使用本地的小模型跑心跳这种低智商任务，安装ollama
②启用提示词缓存：针对Anthropic Claude系列模型，将Heartbeat设置为55分钟确保缓存保活
③本地化记忆搜索：将Memory Search Provider指向local，使用本地Embedding模型
④压缩会话保护：启用compaction safeguard模式，防止重要记忆丢失

策略四 操作习惯优化

①隔离大输出操作：避免在主会话中执行config.schema、status --all等产生大输出的命令
②精准文件检索：可以让openclaw给我们安装个qmd，使用qmd等本地语义检索工具，只读取需要的段落而非整个文件。只会在本地进行，不会消耗服务器的token。qmd就是在本地把markdown知识库建立索引，每次对话只返回前几个最相关的片段和摘录给openclaw
那么qmd的索引究竟如何建立的？
1）update索引的刷新会发现有哪些文件增删改了，然后会更新分段路径和元数据。
2）向量的更新和映射，仅仅把新增的片段投射到向量数据库。语义检索进行时计算向量之间的相似度，问题相关的向量会被提取。
另外qmd还有3个精确的参数可以用来节省成本，具体可以问下openclaw的参数含义及让其帮忙修改

③批量处理工具调用：将相关工具调用合并处理，减少交互次数

策略五 系统级优化

①精简上下文文件：定期清理MEMORY.md、SOUL.md等文件中的陈旧信息
②优化Cron任务：合并同时间段任务，降低非必要的高频率检查
③调整Heartbeat配置：延长工作时间间隔，设置深夜静默期。原因是heartbeat输出可能就输出个“已完成”很短，但输入一般会调用上下文的历史记录，所以消耗比较多的token。比如heartbeat是10分钟每次，一个月就是4320次，也就是说又多了4320次agent扣费的流程
④openclaw生成token报告：列出token任务消耗排名，询问不合理的地方，讨论如何优化
⑤优化记忆模式：根据自己使用的习惯，让龙虾一起调整，减少历史对话的token数

策略六 一键优化

社区提供了开源的一键优化配置预设，可通过以下命令快速应用

curl -sSL https://raw.githubusercontent.com/oneles/openclaw-token-optimization/main/apply-preset.js | node

相信很多人一开始使用openclaw都会产生一些非必要的token，这篇总结希望可以帮到大家减少流程和配置的浪费。