OpenClaw Cost Optimizer

---

name: openclaw-cost-optimizer

description: 分析 OpenClaw 的 token 使用和成本，识别高消耗场景（长对话、频繁 cron、大 context），给出具体优化建议（模型降级、context 压缩、cron 频率调整）。纯 Node.js，无外部依赖。输出清晰的成本报告。

version: 1.0.0

author: OpenClaw Community

security:

verified: true

scripts_no_network: true

scripts_no_code_execution: true

scripts_no_subprocess: true

scripts_data_local_only: true

---

# OpenClaw Cost Optimizer

专为 OpenClaw 用户设计的成本分析和优化工具。通过分析 session logs，识别高消耗场景，给出可执行的优化建议。

核心功能

1. 成本分析

2. 场景识别

3. 优化建议

快速开始

生成完整分析报告（推荐）

node scripts/cost_analyzer.js analyze

默认分析最近 7 天，生成详细报告保存到 `~/.openclaw/workspace/memory/cost-analysis-report.md`

**指定天数**:

node scripts/cost_analyzer.js analyze 30  # 分析最近 30 天

快速查看今日成本

node scripts/cost_analyzer.js quick

输出示例:

📊 今日成本快览:
  总成本: $2.45
  会话数: 12
  平均: $0.204/会话

报告示例

# OpenClaw 成本分析报告

生成时间: 2026-02-26 15:30:00

## 📊 总览

- 总会话数: 45
- 总输入 tokens: 1,234,567
- 总输出 tokens: 456,789
- 总成本: $15.67
- 平均每会话: $0.348

## 🤖 模型使用统计

### claude-opus-4-6
- 会话数: 30
- 输入: 890,123 tokens
- 输出: 345,678 tokens
- 成本: $12.34

### claude-sonnet-4-20250514
- 会话数: 15
- 输入: 344,444 tokens
- 输出: 111,111 tokens
- 成本: $3.33

## 💰 高成本会话 (Top 5)

- Session: a1b2c3d4...
  - 模型: claude-opus-4-6
  - Tokens: 125,000
  - 成本: $3.45
  - 消息数: 25

## 💡 优化建议

### 1. 🔴 模型降级：yunyi-claude/claude-opus-4-6

**问题**: 该模型成本较高 ($45/M tokens)，已使用 30 次会话

**建议**: 对于简单任务使用 Sonnet 或 DeepSeek，复杂任务才用 Opus

**预计节省**: $9.87

**操作**: `openclaw models set yunyi-claude/claude-sonnet-4-20250514`

### 2. 🟡 长对话检测

**问题**: 发现 3 个长对话，最长 125,000 tokens

**建议**: 超过 50k tokens 时开启新会话，避免 context 累积

**预计节省**: $1.04

**操作**: 手动开启新会话或设置 context 限制

### 3. 🔴 Context 过大

**问题**: 平均每次会话输入 27,435 tokens，可能加载了过多文件

**建议**: 优化 AGENTS.md、SOUL.md，移除不必要的内容；使用 lazy loading

**预计节省**: $6.27

**操作**: 参考 openclaw-token-optimizer skill 的 context_optimizer

**总预计节省**: $17.18

优化策略详解

策略 1: 模型分级使用

根据任务复杂度选择模型:

| 任务类型 | 推荐模型 | 成本 |

|---------|---------|------|

| 简单查询、文件读取 | local/qwen2.5:7b | 免费 |

| 日常对话、代码编写 | claude-sonnet-4 | $3/M |

| 复杂推理、架构设计 | claude-opus-4-6 | $45/M |

| 备用/降级 | deepseek-chat | $0.02/M |

**操作**:

# 临时切换
openclaw models set yunyi-claude/claude-sonnet-4-20250514

# 设置 fallback
openclaw models fallbacks add deepseek/deepseek-chat

策略 2: Context 优化

**问题**: 默认加载所有 context 文件（SOUL.md, AGENTS.md, TOOLS.md, MEMORY.md, docs/**/*.md），可能 50k+ tokens

**解决方案**:

1. **精简 AGENTS.md**

- 移除冗余说明

- 合并重复规则

- 使用简洁语言

2. **Lazy Loading**

- 简单任务只加载 SOUL.md + IDENTITY.md

- 复杂任务按需加载相关文档

- 参考 `openclaw-token-optimizer` 的 context_optimizer

3. **定期清理**

```bash

# 清理旧 memory logs

find ~/.openclaw/workspace/memory -name "2026-*.md" -mtime +30 -delete

```

策略 3: Cron 优化

**识别高频 Cron**:

openclaw cron list

**优化方案**:

**示例**:

# 修改 cron 频率
openclaw cron edit <job-id>

# 为 cron 指定模型
openclaw cron add --model local/qwen2.5:7b "0 */4 * * *" "检查系统状态"

策略 4: 会话管理

**长对话问题**: Context 累积导致每次请求都携带完整历史

**解决方案**:

策略 5: 启用本地模型

**适用场景**:

**设置**:

# 确保 Ollama 运行
ollama serve

# 拉取模型
ollama pull qwen2.5:7b

# 切换到本地模型
openclaw models set local/qwen2.5:7b

成本基准

基于实际使用数据的成本参考:

| 使用模式 | 每日会话数 | 平均 tokens/会话 | 每日成本 | 每月成本 |

|---------|-----------|----------------|---------|---------|

| 轻度使用 | 5-10 | 20k | $0.50-1.00 | $15-30 |

| 中度使用 | 20-30 | 30k | $2.00-4.00 | $60-120 |

| 重度使用 | 50+ | 40k | $8.00-15.00 | $240-450 |

| 优化后 | 50+ | 15k | $3.00-6.00 | $90-180 |

**优化目标**: 重度使用场景下节省 50-60% 成本

集成到工作流

每日成本检查（推荐）

添加 cron 任务，每天生成报告:

openclaw cron add "0 9 * * *" "node ~/.openclaw/workspace/skills/openclaw-cost-optimizer/scripts/cost_analyzer.js quick"

每周深度分析

openclaw cron add "0 10 * * 1" "node ~/.openclaw/workspace/skills/openclaw-cost-optimizer/scripts/cost_analyzer.js analyze 7"

成本告警

在 AGENTS.md 中添加规则:

## 成本监控
- 每日成本超过 $5 → 立即告警
- 单次会话超过 $1 → 记录并分析
- 每周生成成本报告

与其他 Skills 配合

openclaw-token-optimizer

openclaw-doctor

技术细节

数据来源

成本计算

基于各模型官方定价:

modelCosts: {
  'yunyi-claude/claude-opus-4-6': { input: 15, output: 75 },
  'yunyi-claude/claude-sonnet-4-20250514': { input: 3, output: 15 },
  'deepseek/deepseek-chat': { input: 0.014, output: 0.028 },
  'local/qwen2.5:7b': { input: 0, output: 0 }
}

阈值配置

thresholds: {
  longConversation: 50000,      // tokens
  highContextSession: 30000,    // tokens
  frequentCron: 10,             // 每天次数
  expensiveModel: 10            // USD per 1M tokens
}

可在脚本中修改以适应个人需求。

安全性

✅ **纯本地运行**

✅ **只读分析**

故障排查

问题: 未找到 session logs

**原因**: logs 目录不存在或路径错误

**解决**:

ls ~/.openclaw/agents/main/agent/sessions/

如果目录不存在，说明还没有会话记录。

问题: 成本计算不准确

**原因**: 模型定价可能更新

**解决**: 编辑 `scripts/cost_analyzer.js`，更新 `modelCosts` 对象。

问题: 报告为空

**原因**: 指定天数内没有日志

**解决**: 增加分析天数

node scripts/cost_analyzer.js analyze 30

更新日志

v1.0.0 (2026-02-26)

贡献

欢迎提交 Issue 和 PR:

许可

MIT License

---

**让 OpenClaw 更经济，让 AI 更可持续！** 💰✨