Featured image of post Openclaw玩家必学的省钱小技巧
AI 方法论

Openclaw玩家必学的省钱小技巧

另一个 AI 恐怖故事

就跟很多 AI 恐怖故事一样，只不过我没有在早上醒来时收到一张 1000 美元的账单。

上周，我突然收到 OpenAI 的邮件，说我的余额已经用完，需要充值。我当时吓了一跳，因为我的 OpenClaw 使用的是 OAuth 方式连接，按理说不应该动到我的 Credit。但由于 OpenClaw 的 Token 花费突然提高，它开始扣除我的 Credit 余额了。至于这是 OpenClaw 的 Fallback 策略导致的，还是 OpenAI 自身的 Fallback 策略导致的，我并不清楚。总之，这件事就这么发生了。

我第一时间有些慌张，直接把整个 OpenClaw 删除重装，然后又在 Discord 里新建了一份会话。这个方法虽然有效，但多少有些反应过度。今天我要教你的，是一个使用 OpenClaw 时必学、但很多人都不会的技巧。

根本原因

这个问题是这样发生的。你要知道，模型本身是没有记忆的。每一次你跟模型对话时，它都不知道你是谁，也不知道它自己是谁。你需要给模型提供上下文，告诉它它是谁、你是谁、你们之前聊过什么，以及你现在需要它做什么。除了你当前发送的这条消息之外，其他所有信息都可以统称为上下文。这个上下文通常由 Harness 负责维护。常见的 Harness 包括 OpenClaw、Hermes Agent、Claude Code 等。

不过 “Harness” 这个词有点过于专业，所以大家平时更习惯把它们统称为 Agent。

多层上下文

上下文本身也是分层的：

  • app 层：这一层记录了你是谁、这个 App 是谁。你在 ChatGPT 里问"你是谁"，它会告诉你它是 ChatGPT；你在 OpenClaw 里问同样的问题，它会告诉你它是 OpenClaw。即使你的 OpenClaw 连接的是 OpenAI 的模型，回答你的其实仍然是同一个底层模型。
  • session 层：这一层是当前 Chat 的上下文。这也是为什么你在一个 Chat 里说过的话，不一定能在另一个 Chat 里被识别。但好处是可以隔离不同对话。例如你可以在一个 Chat 里让它扮演律师，在另一个 Chat 里让它扮演心理咨询师。

在 app 层，OpenClaw 会帮你注入大量上下文，包括但不限于：

  • AGENTS.md
  • SOUL.md
  • USER.md
  • MEMORY.md

上下文压缩

那么问题来了。随着 App 使用时间越来越长，以及 Chat 对话持续时间越来越久，你的上下文会变得越来越长。最终长到让费用开始暴涨。有时候 Agent 会触发上下文压缩（Context Compression）来缓解这个问题。但你很快会发现，Agent 好像变傻了。它并不是完全忘记了你交代的事情，而是会记住一部分、遗漏一部分。这是因为在压缩过程中，你之前的指示细节被丢失了。而且即使经过压缩，上下文依然可能非常庞大。

那么，如果压缩也解决不了问题，我们该怎么办呢？

解决方案

养成好习惯

首先，问问自己是不是经常依赖某个 Chat 来做重复性的事情。例如，你开了一个 Chat，然后不断让它帮你翻译文档，或者持续帮你访问某个网站完成固定任务。久而久之，你会非常害怕这个 Chat 被关闭，因为重新建立一个新的 Chat 很麻烦。

如果你存在这种情况，那么需要养成一个好习惯：

当一件事情重复三次以上，就把它蒸馏成 Skill。

如果你做不到这件事，可以直接去使用 Hermes Agent。现在你应该能理解 Hermes Agent 为什么会火了吧。不过我个人还是更喜欢手动掌控 Skill 的制作过程，所以我依然使用 OpenClaw。

平时也记得把一些长期有效的信息固化到预加载的上下文文件中，例如：

  • 如果你觉得自己设计的人设很好玩，请确保这些设定被写入 SOUL.md。
  • 如果你希望某些个人信息被长期记住，例如地址、电话等，避免每次重复说明，那么请确保这些信息被记录到 USER.md 中。

重置上下文

如果你已经养成了前面的习惯，那么当再次遇到上下文暴涨时，就可以比较放心地重置上下文。重置上下文主要分为两步：

  • app 层：清空 MEMORY.md 以及 memory 文件夹。由于常用习惯已经被蒸馏成 Skill，这部分 Memory 往往没有那么重要，可以直接删除。
  • session 层：当你完成了一个大型任务，或者某个 Chat 已经连续使用超过一周时，就使用 /new 创建一个新的 Chat。

这样一来，你就清理掉了上下文中体积最大的两个部分。

好处

这样做有两个直接好处：

  • 大幅降低 Token 消耗，从而减少使用成本。
  • 降低 OpenClaw 的出错概率。上下文越干净，模型越容易聚焦于当前任务，减少遗漏和误解。返工次数少了，本质上就是工作效率提高了。

关于作者

我是代码Plato。

我相信，人类的创造力才是 AI Coding 的真实之树，而代码与模型不过是投射在洞穴墙上的影子。

微博：@代码Plato 主页：https://weibo.com/u/1041257881