第33章 成本优化 —— 如何用模型分级降低总成本

OpenClaw 原生支持多模型，你可以用模型分级把成本降下来，同时保持体验差不多。本章分享实战成本优化技巧。

核心思想：模型分级，按任务分配模型

不是什么任务都用最强最贵的模型：

原则：能用便宜模型完成的任务，就不用贵的模型。

大多数场景，80% 的任务能用中级和入门模型完成，只有 20% 复杂任务需要顶级模型，总成本能降到原来的 1/3 到 1/5。

OpenClaw 怎么实现分级

1. 不同 Agent 用不同模型

配置写在你的主配置文件 ~/.openclaw/openclaw.json 的 agents.list[] 下：

{
  agents: {
    list: [
      {
        id: "main",
        model: {
          primary: "anthropic/claude-opus-4-6",
          fallbacks: ["anthropic/claude-sonnet-4-6"],
        },
      },
      {
        id: "summarizer",
        model: {
          primary: "anthropic/claude-sonnet-4-6",
          fallbacks: ["anthropic/claude-haiku"],
        },
      },
      {
        id: "classifier",
        model: {
          primary: "anthropic/claude-haiku",
          fallbacks: ["ollama/llama3.3:70b"],
        },
      },
    ],
  },
}

• 主 Agent 用顶级模型处理复杂对话
• 总结 Agent 用中级
• 分类 Agent 用入门/本地

多智能体架构天然适合成本分级。

2. 任务路由，自动选模型

OpenClaw 可以自动判断任务复杂度，选合适模型：

- 简单问答 → Haiku / 本地
- 工具调用 → Sonnet
- 复杂推理 → Opus

你配置路由规则，系统自动选，不用你每次选。

3. 提示缓存省大钱

Anthropic 提示缓存能省很多钱，配置写在你的主配置文件 ~/.openclaw/openclaw.json 的 agents.defaults.models 下：

{
  agents: {
    defaults: {
      models: {
        "anthropic/claude-opus-4-6": {
          params: {
            cacheRetention: "short", // 或者 "long"
          },
        },
      },
    },
  },
}

• 系统提示、常用上下文缓存住
• 只有增量部分收费
• 重复对话省 50-80% 成本

默认已经开了，不用你手动弄。

具体场景优化技巧

场景 1：多轮对话

做法：

• 第一轮用户提问，顶级模型理解意图
• 后续总结上下文用中级模型
• 最后输出顶级模型润色

比全程顶级省 30-40%。

场景 2：网页内容总结

做法：

• 提取文本 → 本地模型或者 Haiku 分块总结
• 汇总分块总结 → Sonnet
• 输出最终 → 可选 Opus 润色

整个页面总结下来，比直接用 Opus 省 70% 成本，质量差不多。

场景 3：批量分类

做法：

• 每个项目分类 → Haiku / 本地 足够
• 只有置信度低的拿 Sonnet 重分类

大多数分类 Haiku 准够，成本差 10 倍。

场景 4：代码评审

做法：

• 提取 diff → Haiku 分类哪些文件需要认真看
• 需要认真看的 → Sonnet 逐文件评审
• 汇总意见 → Opus 整理

省不少，因为很多文件就是简单修改，不用顶级模型。

场景 5：实时对话

做法：

• 短回答 → 中级模型，响应快成本低
• 长文深度思考 → 顶级模型

不用每次都顶级。

本地模型什么时候用

完全免费，适合：

• 简单任务（分类、提取、总结）
• 敏感数据，不能出网
• 批处理任务，量大，云端成本高

配置，写在你的主配置文件 ~/.openclaw/openclaw.json 的 agents.defaults.models 下：

{
  agents: {
    defaults: {
      models: {
        "ollama/llama3.3:70b": {
          // 免费，不用配密钥
        },
      },
    },
  },
}

70B 本地跑效果接近 GPT-4，成本 0，简单任务尽管用。

提示缓存优化

Anthropic 提示缓存真的能省很多钱：

什么时候用 long 缓存（1 小时）：

• 系统提示不变
• 常用工作流上下文重复
• 多轮对话

默认 short（5 分钟）对大多数场景够用了。

监控成本

OpenClaw 内置成本统计：

openclaw models cost

显示：

• 今天花了多少
• 这个月花了多少
• 每个模型花了多少
• 估计月底会花多少

帮你掌握成本情况，超预算提醒你。

配置告警，写在你的主配置文件 ~/.openclaw/openclaw.json 的根级别：

{
  cost: {
    alerts: [
      {
        monthlyBudget: 50, // 美元
        alertWhenPercent: 80, // 到 80% 告警
      },
    ],
  },
}

到点通知你，不会不小心超预算。

最佳实践总结

1. 分级：不同任务不同等级模型，贵的只做难事
2. 缓存：开提示缓存，重复上下文不重复花钱
3. 本地：简单任务放本地，完全免费
4. 监控：看账单，哪个模型费钱，调整分配
5. ** fallback**：故障转移不代表要一直用，主模型好了切回去

能省多少钱

举个实例：

省了 75%，体验下降不到 5%，非常划算。

常见问题

Q: 分级会不会影响质量？
A: 大多数任务，便宜模型已经够好，只有真正复杂的才需要顶级。你可以路由，复杂的自动升顶级，体验不影响，成本下来。

Q: 本地模型性能够吗？
A: 现在 70B 模型在 M-series Mac 跑很快，简单任务延迟比云端还低，质量够够用。

Q: 提示缓存会影响什么吗？
A: 没有坏影响，就是省钱，OpenClaw 默认已经开了，直接受益。

本章小结

• 模型分级是最有效的成本优化方法：按任务复杂度分配不同模型
• 顶级模型做难事，便宜模型做简单事，总成本能降到 1/3-1/5
• 配合提示缓存、本地模型，进一步省钱
• 内置成本监控和预算告警，不会超支
• 多智能体架构天然适合分级，不同 Agent 用不同模型刚好