Token use & costs (Token 使用和成本)

OpenClaw 跟踪 tokens (令牌),而不是字符。Tokens 是特定于模型的,但大多数 OpenAI 风格的模型对于英文文本平均每个 token 约 4 个字符。

System prompt (系统提示) 如何构建

OpenClaw 在每次运行时组装自己的 system prompt。它包括:

  • Tool 列表 + 简短描述
  • Skills 列表(仅元数据;指令在需要时通过 read 加载)
  • 自我更新指令
  • Workspace + bootstrap 文件(AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, 新时的 BOOTSTRAP.md)。大文件会被 agents.defaults.bootstrapMaxChars 截断(默认: 20000)。
  • 时间(UTC + 用户时区)
  • Reply tags (回复标签) + heartbeat 行为
  • Runtime 元数据(host/OS/model/thinking)

查看 System Prompt 中的完整分解。

Context window 中计入的内容

模型接收的所有内容都计入 context 限制:

  • System prompt (上面列出的所有部分)
  • Conversation history (对话历史) (用户 + 助手消息)
  • Tool calls (工具调用) 和 tool results (工具结果)
  • Attachments/transcripts (附件/转录) (images, audio, files)
  • Compaction summaries (压缩摘要) 和 pruning artifacts (修剪产物)
  • Provider wrappers (提供商包装器) 或 safety headers (安全头) (不可见,但仍被计数)

有关实际分解(每个注入的文件、tools、skills 和 system prompt 大小),使用 /context list 或 /context detail。查看 Context。

如何查看当前 token 使用

在聊天中使用这些:

  • /status → emoji 丰富的状态卡,包含会话模型、context 使用、 最后响应的 input/output tokens 和 估计成本(仅 API key)。
  • /usage off|tokens|full → 为每个回复附加 per-response usage footer (每响应使用页脚)。
    • 每个会话持久化(存储为 responseUsage)。
    • OAuth auth 隐藏成本(仅 tokens)。
  • /usage cost → 显示来自 OpenClaw 会话日志的本地成本摘要。

其他界面:

  • TUI/Web TUI: 支持 /status + /usage。
  • CLI: openclaw status --usage 和 openclaw channels list 显示 provider quota windows (配额窗口) (不是每响应成本)。

Cost estimation (成本估算) (显示时)

成本根据你的模型定价配置估算:

models.providers.<provider>.models[].cost

这些是每 1M tokens 的 USD,用于 input, output, cacheRead 和 cacheWrite。如果缺少定价,OpenClaw 仅显示 tokens。OAuth tokens 从不显示美元成本。

Cache TTL 和 pruning 影响

Provider prompt caching (提示缓存) 仅在 cache TTL window 内适用。OpenClaw 可以 选择性地运行 cache-ttl pruning (缓存 TTL 修剪): 一旦 cache TTL 过期,它会修剪会话,然后重置 cache window,以便后续请求可以重新使用 新缓存的 context,而不是重新缓存完整历史。这在会话空闲超过 TTL 时保持 cache write 成本更低。

在 Gateway configuration 中配置它,并在 Session pruning 中查看行为详细信息。

Heartbeat 可以在空闲间隙保持 cache warm (温暖)。如果你的模型 cache TTL 是 1h,将 heartbeat interval 设置为稍低于此(例如 55m)可以避免 重新缓存完整 prompt,减少 cache write 成本。

对于 Anthropic API 定价,cache reads 明显比 input tokens 便宜,而 cache writes 按更高的倍数计费。查看 Anthropic 的 prompt caching 定价以获取最新费率和 TTL 倍数: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

示例: 使用 heartbeat 保持 1h cache warm

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

减少 token 压力的技巧

  • 使用 /compact 来总结长会话。
  • 在你的工作流中修剪大的 tool 输出。
  • 保持 skill 描述简短(skill 列表注入到 prompt 中)。
  • 对于冗长的探索性工作,优先使用较小的模型。

查看 Skills 了解确切的 skill 列表开销公式。

← 返回文档首页