别让 Skill 列表烧光你的 Token——用一个 Plugin 让 OpenClaw 瘦身 90%

95 个 Skill，每轮对话就消耗 5000 多个 Token？本文将分享我们如何通过 Elasticsearch 语义搜索和一个 OpenClaw Plugin，将 Skill 列表从“全量注入”变为“按需加载”，将 Token 消耗减少 92%，并且即时生效。

---

一、你的 OpenClaw，正被 Skill 列表“偷走”Token

玩 OpenClaw 的人都知道：安装 Skill 一时爽，Token 消耗火葬场。

起初，你只装了 5 个 Skill，体验非常好。但随着你不断添加天气、GitHub、飞书文档、企业微信、腾讯云、Elasticsearch等功能，系统中逐渐堆积了 50 个、80 个，甚至 100 个 Skill。

你可能觉得“多就是好”，但 OpenClaw 每次对话都会将所有 Skill 的名称和描述放入 System Prompt。我们的实测结果是：

• • 95 个 Skill → System Prompt 占用 ~5,238 Token
• • 用户即使只说一句“你好”，这 5000 个 Token 也先被耗掉
• • 按 OpenRouter 的价格计算，每轮对话仅 Skill 列表就烧掉约 $0.005

更要命的是——无关的 Skill 还会干扰 LLM 的判断，导致“幻觉率上升”。明明是问天气，模型却在纠结是否应该用 GitHub Skill。

二、思路：为 OpenClaw 安装一个“智能筛子”

解决方案非常直观——按需供给。

用户问天气，就只提供天气相关的 Skill。用户问代码，就只提供 GitHub 相关的 Skill。其他 90 个 Skill 不注入，Token 自然节省。

这本质上就是 RAG（检索增强生成）的思路：先用语义搜索筛选，再将结果提供给 LLM。

但这里面临一个技术选型的问题：用什么做语义检索？用什么 Embedding 模型？

三、技术选型：为什么选择 Elasticsearch + Jina v5？

市面上有一些方案——基于本地 ONNX 模型和对象存储向量桶。它们的思路是：使用本地量化模型生成向量，写入对象存储，查询时再次生成向量进行检索。整个流程需要：Embedding API、向量存储和手动管理维度与距离度量。

我们选择了 Elasticsearch semantic_text + Jina Embeddings v5，原因如下：

1. 一步到位，零 Embedding 管理

传统方案需要两步：先调用 Embedding API 生成向量，然后写入向量存储。查询时也需两步：先将用户消息向量化，再去向量库检索。

而 ES 的 semantic_text 字段类型自动处理一切——只需写入文本，ES 会在内部自动调用推理端点生成向量。查询时也一样，直接传文本，ES 内部完成 Embedding 和向量检索。不需要外部 Embedding API，也不需要管理向量维度。

2. Jina Embeddings v5：紧凑型顶尖多语言模型

我们的 Embedding 推理端点使用的是 Jina Embeddings v5——由 Jina AI 和 Elastic 联合发布的新一代文本嵌入模型，在多语言 MTEB（MMTEB）基准测试中同级别第一。

jina-embeddings-v5-text-small 的核心数据：

• • 677M 参数，远小于许多同类模型
• • 32,768 Token 输入上下文窗口
• • 1024 维嵌入向量
• • 支持 211 种语言，中英文均衡，不偏科

它的杀手锏是 LoRA 插件架构：一个基础模型加上四个任务专用的 LoRA 插件（检索、文本匹配、聚类、分类），在不增加模型体积的前提下，每个任务都能做到最优。ES 在索引和检索时会自动选择合适的 LoRA 插件。

更进一步，Jina v5 支持 Matryoshka 表示学习——嵌入截断。默认 1024 维可以截断到 512 甚至 256 维，存储和计算成本成倍下降，精度损失极小。加上 二进制量化，嵌入大小可以从 2KB 压缩到 128 字节（减少 94%），性能几乎无损。

对我们的场景意味着什么？ 95 个 Skill 描述的语义索引，即使全量存储也只需极小的空间。而且因为 Jina v5 原生多语言，中文查询“企业微信发消息”能精准匹配英文 description 的 wecom-msg Skill，不偏科。

jina-embeddings-v5-text MMTEB 得分

3. 检索延迟从秒级降到百毫秒级

基于本地模型和对象存储的方案，链路是：用户消息 → 本地模型推理（500ms）→ 网络请求到向量存储（500ms）→ 返回结果。总计 ~1-2 秒。

ES 方案：用户消息 → ES 集群内完成 Embedding 和检索（~100ms）。推理在集群内完成，没有额外的网络往返。用户几乎无感知。

4. 关键发现——异步 Hook 方案存在“永远差一轮”的致命缺陷

我们在深入研究过程中发现了一个严重问题：很多方案使用 message:received 事件 Hook 来做路由——这个 Hook 在 Gateway 层面异步执行，与 Agent Loop 是并行的。

代码语言：javascript

AI代码解释

1
2
3
4
时间线：
00:00  消息到达，Agent 开始加载 Skill（用旧的配置）
00:20  Hook 才完成向量检索，写入配置文件
00:21  SIGUSR1 热重载——但 Agent 已经在运行了！

结果是：Agent 永远用的是上一轮的 Skill 配置，当前轮永远失效。 而且因为每轮都会覆盖配置，连续对话时 Skill 列表一直在变，Agent 永远追不上。

我们的方案绕过了这个问题：使用 OpenClaw 的 Plugin 机制，注册 before_prompt_build Hook。这个 Hook 在 Agent Loop 内部同步执行——检索、过滤、注入，一气呵成，当轮就生效。

四、效果实测

我们在 95 个 Skill 的环境下测试：

指标	无 Router	有 ES Skill Router	变化
System Prompt Token	~5,238	~391	-92.5%
单轮成本	$0.0053	$0.0004	-92.5%
Top-1 Skill 命中率	N/A	80%+	—
检索延迟	N/A	~100ms	零感知

几个真实场景：

场景 A：查天气

• • 用户：“深圳明天天气怎么样”
• • Router 推荐：[weather, tavily-search, gemini, ...]
• • Token 节省：97.8%

场景 B：企业微信发消息

• • 用户：“企业微信发消息”
• • Router 推荐：[wecom-msg, bluebubbles, wacli, ...]（wecom-msg 命中，0.87 分）
• • Token 节省：92%

场景 C：创建飞书文档

• • 用户：“创建飞书文档”
• • Router 推荐：[feishu-doc, wecom-doc-manager, tencent-docs, ...]（feishu-doc 命中，0.83 分）
• • Token 节省：92%

场景 D：中文查英文 Skill

• • 用户：“腾讯云开发者社区任务”
• • Router 推荐：[tencent-cloud-community, tencent-cos-skill, ...]（0.81 分命中）
• • 跨语言语义理解，零配置

[图片位置6：Token 消耗对比柱状图——95 Skills vs 5 Skills]

五、5 分钟安装教程

前置条件

• • 一个 Elasticsearch 集群（Elastic Cloud 或自建）
• • 集群已配置 .jina-embeddings-v5-text-small 推理端点（Elastic Cloud 默认可用）
• • Python 3 + pip install elasticsearch pyyaml

步骤 1：安装 Plugin

代码语言：javascript

AI代码解释

1
2
git clone https://github.com/oldcodeoberyn/es-skill-router.git
openclaw plugins install -l ./es-skill-router

步骤 2：配置 ES 连接

编辑 ~/.openclaw/openclaw.json，在 plugins.entries 中添加：

代码语言：javascript

AI代码解释

{
  "plugins": {
    "entries": {
      "es-skill-router": {
        "enabled": true,
        "config": {
          "esUrl": "https://your-cluster:9243",
          "esUser": "elastic",
          "esPassword": "your-password",
          "index": "openclaw-skills",
          "topK": 5,
          "minScore": 0.5
        }
      }
    }
  }
}

也可以用环境变量（ES_URL、ES_USER、ES_PASSWORD）。

步骤 3：索引你的 Skill

代码语言：javascript

AI代码解释

export ES_URL="https://your-cluster:9243"
export ES_USER="elastic"
export ES_PASSWORD="your-password"
 
python3 es-skill-router/skills/es-vector-skill/scripts/index_skills.py \
  --index openclaw-skills --recreate

输出：

代码语言：javascript

AI代码解释

Found 95 skills
Created index: openclaw-skills
{"success": true, "indexed": 95, "errors": 0}

步骤 4：重启 Gateway

代码语言：javascript

AI代码解释

1
openclaw gateway restart

步骤 5：验证

发一条消息给你的 Agent，然后检查日志：

代码语言：javascript

AI代码解释

1
grep "es-skill-router\|ready.*index" /tmp/openclaw/openclaw-$(date +%Y-%m-%d).log

你应该看到：

代码语言：javascript

AI代码解释

1
2
ready: index=openclaw-skills topK=5 minScore=0.5

 "message_id": "om_x100b53fc8" → [tencent-cloud-community(0.74), tlon-skill(0.71), session-logs(0.71), wecom-msg(0.71), tencent-cos-skill(0.69)]

大功告成！

六、进阶配置

参数	默认值	说明
topK	5	保留的 Skill 数量，建议 3-10
minScore	0.5	最低相关度分数，低于此值的 Skill 不注入
index	openclaw-skills	ES 索引名
enabled	true	开关，设 false 可临时禁用

安装新 Skill 后，重新运行索引脚本即可（增量更新，不会覆盖已有的）：

代码语言：javascript

AI代码解释

1
python3 es-skill-router/skills/es-vector-skill/scripts/index_skills.py --index openclaw-skills

七、总结

	传统本地+对象存储方案	ES Skill Router（本文）
Embedding	需要外部 API 或本地模型	ES 内置（Jina v5）
路由机制	异步 Hook + SIGUSR1	同步 Plugin Hook
生效时序	永远差一轮	当轮生效
部署复杂度	Embedding 服务 + 向量存储 + Hook	一个 Plugin
延迟	1-2 秒	~100ms
多语言	取决于模型选择	Jina v5 原生 211 语言
Token 节省	~92%	~92%

一句话：做减法才是工程功底的试金石。 为大模型减轻上下文负担，它反而会表现得更聪明。

开源地址：github.com/oldcodeoberyn/es-skill-router