Skip to main content

​
令牌使用和费用

OpenClaw 跟踪的是令牌（tokens），而非字符。令牌是针对模型定制的，但大多数 OpenAI 式模型处理英文文本时，平均每个令牌约包含 ~4 个字符。

​
系统提示如何构建

OpenClaw 每次运行时都会组装自己的系统提示，内容包括：
  • 工具列表及简短描述
  • 技能列表（仅元数据；具体说明通过 read 按需加载）
  • 自我更新指令
  • 工作区和引导文件（当文件为新版本时包括 AGENTS.md、SOUL.md、TOOLS.md、IDENTITY.md、USER.md、HEARTBEAT.md、BOOTSTRAP.md，以及存在时的 MEMORY.md 和/或 memory.md）。大型文件会根据 agents.defaults.bootstrapMaxChars（默认：20000）截断，总引导注入大小被限制为 agents.defaults.bootstrapTotalMaxChars（默认：150000）。memory/*.md 文件通过内存工具按需加载，不自动注入。
  • 时间（UTC + 用户时区）
  • 回复标签与心跳行为
  • 运行时元数据（主机/操作系统/模型/思考状态）
完整细节见 系统提示。

​
上下文窗口计数内容

模型接收到的所有内容都计入上下文限制：
  • 系统提示（上述所有部分）
  • 会话历史（用户与助理消息）
  • 工具调用及工具返回结果
  • 附件/转录（图片、音频、文件）
  • 压缩摘要及修剪产物
  • 服务提供者包装层或安全头（不可见，但计数）
对于图片，OpenClaw 会在调用提供者之前对转录或工具图像数据做降采样。 可用 agents.defaults.imageMaxDimensionPx（默认：1200）调整：
  • 较低值通常减少视觉令牌使用和传输大小。
  • 较高值保留更多视觉细节，适合 OCR 或界面密集截图。
欲获取实际明细（按注入文件、工具、技能及系统提示大小划分），请使用 /context list 或 /context detail。详见 上下文。

​
如何查看当前令牌使用

聊天中可使用：
  • /status → 显示带有会话模型、上下文使用量、最近的输入/输出令牌数及预测费用（仅 API Key 可见）的颜文字状态卡片。
  • /usage off|tokens|full → 在每条回复尾部附加每次响应的使用情况汇总。
    • 会话持续有效（存储为 responseUsage）。
    • OAuth 认证下隐藏费用（只显示令牌数）。
  • /usage cost → 显示 OpenClaw 会话日志中的本地费用汇总。
其他界面支持：
  • TUI/Web TUI： 支持 /status 与 /usage。
  • CLI： 可用 openclaw status --usage 和 openclaw channels list 查看服务商配额窗口（非每次响应费用）。

​
费用估算（显示时）

费用基于你的模型定价配置估算： 
models.providers.<provider>.models[].cost
此处为每 100 万令牌的美元费用，针对 input、output、cacheRead 和 cacheWrite。如果缺少定价信息，OpenClaw 只显示令牌数。OAuth 认证的令牌永远不显示美元费用。

​
缓存 TTL 和修剪影响

服务商的提示缓存仅在缓存 TTL 窗口内有效。OpenClaw 还可选择运行缓存 TTL 过期修剪：当缓存 TTL 到期后，修剪会话，然后重置缓存窗口，使后续请求可重复使用刚刚缓存的新上下文，避免全量重新缓存历史，从而降低缓存写入成本，尤其在会话闲置过长时。 可在 网关配置 中设置，行为细节见 会话修剪。 心跳机制可使缓存在空闲间隙保持“热”状态。若模型缓存 TTL 是 1h，将心跳间隔设置略低于该值（如 55m）可避免重新缓存整个提示，节约缓存写入成本。 多智能体环境中，可共用一份模型配置，并通过 agents.list[].params.cacheRetention 针对单个智能体调整缓存策略。 详尽操作指南见 提示缓存。 Anthropic API 费用方面，缓存读成本远低于输入令牌，缓存写成本则按更高倍数计费。最新费率和 TTL 乘数见 Anthropic 官方文档：https://docs.anthropic.com/docs/build-with-claude/prompt-caching

​
示例：用心跳保持 1 小时缓存“热”状态

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long"
    heartbeat:
      every: "55m"

​
示例：混合流量下的每智能体缓存策略

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long" # 大多数智能体的默认基线
  list:
    - id: "research"
      default: true
      heartbeat:
        every: "55m" # 深度会话保持长缓存热状态
    - id: "alerts"
      params:
        cacheRetention: "none" # 突发通知避免缓存写入
agents.list[].params 会叠加于所选模型的 params，因此你只需覆盖 cacheRetention，其他模型默认参数保持不变。

​
示例：启用 Anthropic 1M 上下文测试版请求头

Anthropic 的 100 万上下文窗口目前处于测试版本。OpenClaw 可在启用支持 Opus 或 Sonnet 模型上的 context1m 后注入所需的 anthropic-beta 值。 
agents:
  defaults:
    models:
      "anthropic/claude-opus-4-6":
        params:
          context1m: true
这对应 Anthropic 的 context-1m-2025-08-07 测试版请求头。 仅当模型条目设置 context1m: true 时生效。 要求：凭证必须具备长上下文使用资格（API Key 计费，或开启额外使用的订阅）。否则 Anthropic 会返回 HTTP 429: rate_limit_error: Extra usage is required for long context requests。 如果使用 OAuth/订阅令牌认证 Anthropic (sk-ant-oat-*)，OpenClaw 会跳过 context-1m-* 测试版请求头，因为 Anthropic 当前拒绝这种组合并返回 HTTP 401。

​
减少令牌压力的建议

  • 使用 /compact 概括长会话。
  • 在工作流中尽量裁剪大型工具输出。
  • 针对截图密集会话，调低 agents.defaults.imageMaxDimensionPx。
  • 保持技能描述简短（技能列表会注入提示中）。
  • 在冗长、探索性工作时优先选择较小模型。
详情请参见 技能 中的技能列表开销公式。