跳转到主要内容

​
Token 使用 & 成本

OpenClaw 跟踪 Token (tokens)，而不是字符。Token 是特定于模型的，但大多数 OpenAI 风格的模型平均每 Token 约 4 个英文字符。

​
系统提示词是如何构建的

OpenClaw 在每次运行时组装自己的系统提示词。它包括：
  • 工具列表 + 简短描述
  • 技能列表（仅元数据；指令通过 read 按需加载）
  • 自我更新指令
  • 工作区 + 引导文件 (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, 或者是新的 BOOTSTRAP.md)。大文件会被 agents.defaults.bootstrapMaxChars (默认: 20000) 截断。
  • 时间 (UTC + 用户时区)
  • 回复标签 + 心跳行为
  • 运行时元数据 (主机/操作系统/模型/思考)
在 系统提示词 中查看完整细分。

​
算入上下文窗口的内容

模型接收到的所有内容都计入上下文限制：
  • 系统提示词（上面列出的所有部分）
  • 对话历史（用户 + 助手消息）
  • 工具调用和工具结果
  • 附件/转录（图像、音频、文件）
  • 压缩摘要和修剪产物
  • 提供商包装器或安全标头（不可见，但仍计算在内）
要查看实际细分（每个注入的文件、工具、技能和系统提示词大小），请使用 /context list 或 /context detail。参见 上下文。

​
如何查看当前 Token 使用情况

在聊天中使用这些：
  • /status → 表情丰富的状态卡片，包含会话模型、上下文使用情况、最后响应输入/输出 Token，以及 估计成本 (仅限 API 密钥)。
  • /usage off|tokens|full → 在每次回复后附加 每次响应的使用情况页脚。
    • 按会话持久化（存储为 responseUsage）。
    • OAuth 认证 隐藏成本 (仅显示 Token)。
  • /usage cost → 从 OpenClaw 会话日志中显示本地成本摘要。
其他界面：
  • TUI/Web TUI: 支持 /status + /usage。
  • CLI: openclaw status --usage 和 openclaw channels list 显示提供商配额窗口（不是每次响应的成本）。

​
成本估算 (当显示时)

成本是根据你的模型定价配置估算的：
  • models.providers.<provider>.models[].cost
这些是 每 1M Token 的美元价格，针对 input (输入)、output (输出)、cacheRead (缓存读取) 和 cacheWrite (缓存写入)。如果缺少定价，OpenClaw 仅显示 Token。OAuth Token 从不显示美元成本。

​
缓存 TTL 和修剪影响

提供商提示词缓存仅适用于缓存 TTL 窗口内。OpenClaw 可以选择性地运行 缓存 TTL 修剪：一旦缓存 TTL 过期，它就会修剪会话，然后重置缓存窗口，以便后续请求可以重用新缓存的上下文，而不是重新缓存完整的历史记录。当会话空闲超过 TTL 时，这可以降低缓存写入成本。 在 网关配置 中配置它，并在 会话修剪 中查看行为细节。 心跳可以在空闲间隙保持缓存 热。如果你的模型缓存 TTL 为 1h，将心跳间隔设置在该时间之下（例如 55m）可以避免重新缓存完整的提示词，从而降低缓存写入成本。 对于 Anthropic API 定价，缓存读取比输入 Token 便宜得多，而缓存写入则以更高的倍数计费。有关最新费率和 TTL 倍数，请参阅 Anthropic 的提示词缓存定价： https://docs.anthropic.com/docs/build-with-claude/prompt-caching

​
示例：使用心跳保持 1h 缓存热度

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-5"
    models:
      "anthropic/claude-opus-4-5":
        params:
          cacheControlTtl: "1h"
    heartbeat:
      every: "55m"

​
降低 Token 压力的提示

  • 使用 /compact 总结长会话。
  • 在你的工作流中修剪大型工具输出。
  • 保持技能描述简短（技能列表被注入到提示词中）。
  • 对于冗长的探索性工作，首选较小的模型。
有关确切的技能列表开销公式，请参见 技能。