上周有个朋友把账单截图甩给我OpenClaw跑了七天API费用顶他大半个月工资。他说自己真没怎么折腾就是让agent在群里回回消息、定时整理点文档怎么钱就烧成这样。我远程看了眼他的配置典型的裸奔状态默认模型路由、上下文不设上限、失败无限重试。这几个选项叠在一起本身就是账单爆炸的标准配方。这篇文章就围绕OpenClaw和API账单这两件事展开。我会先把这个钱到底烧在哪几个环节讲清楚再列出我这一周实测踩过和帮别人排查过的烧钱场景最后给一套能直接抄的配置方案连同常见报错的排查心得一起写出来。不管你是刚装好OpenClaw的新手还是已经跑了一阵子的老手大概率都能从这里找到自己正在踩的那个坑。1. 先把账掰开OpenClaw的API钱到底烧在哪几个环节1.1 Token计价方式输入和输出根本不是一回事API服务商绝大多数按token计费。token是模型处理文本的基本单位一个中文字符大概相当于1到2个token英文一个单词大概一个token。计费时分成两类输入端和输出端绝大部分模型都是输出端比输入端贵几倍有的甚至贵到十几倍。这里的第一个误区是很多人只盯着输出价格觉得“我就让它回几个字能花多少钱”。但agent场景下真正让账单失控的恰恰是输入。原因是OpenClaw每次调用模型都要把当前上下文的内容重新作为输入发送一遍。上下文越长单次输入费用越高而且每一轮循环都会重复支付这个费用。举个数。假设你用一个输入3美元/M token、输出15美元/M token量级的模型。一个普通任务跑三轮循环第一轮上下文5000 token第二轮因为工具返回结果被塞进来变成15000 token第三轮再挂一段历史变成30000 token。单看每一轮都不贵一轮输入才几分钱。但OpenClaw不是这么单任务跑的你给它接上Teams、群聊这些channel以后一天处理几十上百个任务很正常。任务一多、上下文再滚起来消耗就不是线性增长而是指数膨胀。不同档位的模型价差可以列个参考心里大概有个数模型档位输入价格量级输出价格量级适合场景旗舰级3-5美元/M12-20美元/M复杂规划、深度推理中端级0.5-2美元/M2-8美元/M工具调用、代码编写轻量级0.1-0.3美元/M0.3-1美元/M意图判断、固定格式回复同一个任务用旗舰级和轻量级去跑成本可能差二十倍。这不是说你永远要用便宜的而是说要让合适价位的模型干合适难度的事。很多人的账单之所以爆就是因为所有任务无差别地压在一个最高价位模型上。1.2 agent循环链路一句“帮我处理一下”背后是多次LLM调用OpenClaw本质上是一个持续运行的AI agent框架。部署之后它可以在你指定的channel里听消息、理解指令、调用工具、执行任务。这句话翻译成API账单语言就是一次用户指令对应的不是一个LLM请求而是一个循环。正常的执行链路大概是这样agent收到一条新消息把当前上下文和消息一起发给模型让模型判断用户意图。模型返回决策说要调用某个工具比如查文档、发HTTP请求、操作某个MCP server上的资源。agent执行工具拿到结果。agent把工具结果作为新上下文发给模型让模型决定下一步。循环直到模型判定任务完成。每一步都是一次完整的API请求每次都按输入、输出计费。一个看似不起眼的“帮我整理一下这周的周报”背后可能跑了七八次模型调用中间还夹杂着多次工具执行。这些调用在账单上看不出“哪次对应哪个任务”它们会被拆成一行行的小额记录最后合并成大额费用。更隐蔽的是规划型调用。有些任务agent会先让模型生成一个执行计划再分步骤执行这个plan本身又会反复送进模型形成嵌套式重复计费。这是很多人觉得“我明明没干什么账单却这么高”的核心原因。你以为跑了一次实际跑了好几次而且好多次都在重复消费同样的上下文。2. 90%的人都会踩的烧钱重灾区2.1 一条模型路由跑所有任务杀鸡用牛刀我帮人排查账单时最常说的一句话是先去看看模型路由是不是默认配置。OpenClaw这类框架装好之后通常有一个默认模型配置。如果你没做任何区分那基本上所有任务无论简单问答、工具调用还是复杂规划都会走同一个模型。这个模型往往是能力最强、价格也最贵的那一档。这是典型的杀鸡用牛刀。回复一句“好的收到”用旗舰模型和用便宜小模型效果差异完全可以忽略但单价可能差二十倍。你让一个擅长深度推理的模型每隔几分钟就干一次杂活日积月累它干的百分之六七十其实都是低难度任务。正确的做法是分级路由。主规划和需要工具协作的复杂任务走强模型简单的意图判断、固定格式回复、工具结果解析走便宜模型。OpenRouter上可以一个key切换几千个模型DeepSeek、智谱、千问这些供应商也都有自己的接口完全可以组合使用。把模型路由留成默认的人账单里至少三分之一是冤枉钱。顺带说一下DeepSeek这类直连API怎么接。如果不想走OpenRouter直接在OpenClaw的模型配置里填供应商的Base URL比如https://api.deepseek.com模型名填deepseek-chat再把对应的API key填进去即可。直连的好处是计费简单、延迟低坏处是每家供应商只提供自己的模型没法像OpenRouter那样一个key做多模型灵活路由。2.2 上下文不设上限104万token不是给你用完的热词里有一条报错很典型“API error 400: this models maximum context length is 1048576 tokens”。有些大上下文模型支持到104万token这个数字给人一个错觉既然模型能装下这么多那我是不是可以把整份文档、全部聊天记录、所有日志一股脑都塞进去千万别这么干。上下文窗口是模型的能力上限不是推荐工作区间。token一旦进入上下文就会在后续每一轮请求中重新计费。你把一份20万token的文档塞进去然后让agent基于这份文档来回推理五轮每一轮都要把20万token作为输入重新发送光这一份文档就贡献了100万token的输入消耗。而且不只是你自己塞的文档。当你给OpenClaw接了一堆第三方API比如电商平台的数据接口、文字直播推送、各种MCP server工具时工具返回的原始数据会直接进入上下文。有的接口一返回就是几万字的JSON或HTML不截断的话上下文几分钟就膨胀到吓人的程度。实际使用中上下文管理比模型选择更重要。至少要做三件事第一设一个活跃上下文上限比如任务运行中最多保留3万到5万token超了就触发摘要压缩第二限制工具返回结果的大小单次返回控制在几千token以内第三定期清理会话历史跑完的任务不要一直挂在内存里。这三件事不做上下文就是一台吃钱机器而且吃得悄无声息。2.3 失败重试和自我修复账单翻倍的隐形推手agent最怕的不是报错而是报错之后的自动重试。OpenClaw是agent框架设计目标就是“自主”所以遇到错误会倾向于自己再试一次。但API调用都是有成本的每一次重试都会重新计费。如果上游接口不稳定或者session锁冲突agent可能连续重试很多次。我遇到过一个真实案例。一位朋友在Windows上用Hub方式部署了OpenClaw同时桌面上又跑着另一个手动启动的实例两个进程抢同一个session文件一直报“session file locked (timeout 60000ms)”。agent的错误恢复机制会把这条报错送回LLM让模型分析原因、生成新的执行方案。结果是一边锁冲突一边不断调用模型去“思考解决办法”几小时烧掉的token比正常跑一天还多。这类问题要从两个方向堵第一把重试次数上限调低最多允许重试两三次并且加上指数退避不要在短时间内疯狂重试第二确认agent进程是单实例的尤其要注意部署方式别让多个入口操作同一个运行目录。重试机制是agent稳定性的保障但无上限的重试就是账单上的黑洞。2.4 后台任务和channel消息agent的隐形加班还有一类开销来自“没人管但一直在跑”的任务。你说让agent每天定时整理一次日志它确实会定时触发。但触发之后它可能先总结历史再读取大文件再规划步骤一个定时任务的实际调用量远大于你的预期。举一个例子。你配置了一个每天凌晨两点执行的日志总结任务agent要从历史记录、未读消息、session文件里提取信息。一次任务下来可能读了3万token的旧日志再加上模型规划、工具调用、二次分析整个任务消耗的token是一个普通对话任务的十倍。一周下来就是七十倍。更常见的是channel里的自动响应。你把agent挂在Teams或群里每当有人at它或者频道里有新消息它都会把上下文重新整理一遍然后调用一次模型。这种做法本身没问题问题在于很多人从来不关不歇。白天挂一天晚上也挂周末也挂。agent是有生命周期的多数框架支持只在工作时间响应或者空闲N分钟后休眠。这些功能不是摆设是真能省钱的。另外一个容易忽略的点是多个channel全开。有人同时接了三四个平台同一个任务在多个平台被触发成本也是成倍的。我的建议是只开真正需要的两三个channel并且在配置里明确哪些channel可以完全接管哪些只读。3. 一周实测下来真正管用的成本控制配置这一节给实操内容。我会按模型路由、上下文管理、预算告警、渠道管理四个维度去讲都是这一周实测验证过思路的。3.1 模型路由分级不同任务用不同模型我用YAML风格写一个配置示例具体字段名以你用的OpenClaw版本为准重点看模型的划分层级model: router: planner: claude-3-5-sonnet # 复杂规划和多步任务 worker: gpt-4o-mini # 工具调用、简单问答 lighter: deepseek-chat # 意图判断、格式回复、无关消息 context: max_tokens: 40000 compress_after: 35000 history_limit: 20 retry: max_attempts: 2 backoff: exponential base_delay_seconds: 30核心思路很简单让便宜模型承担大量低难度调用让贵模型只处理少数真正需要深度推理的请求。按照我测试下来的数据单次调用的平均成本可以从每任务0.8美元左右压到0.2到0.3美元省掉三分之二以上。你不用照搬我的模型选择关键是识别出你用的供应商里“便宜且够用”的那个插到worker和lighter位置。OpenRouter的一个优势就在这里它一个key可以路由几千个模型切换试错成本很低。DeepSeek、智谱、千问的直连API也都能用但你在配置路由时得自己维护好几个供应商的key、接口地址和模型名。模型路由还有一个隐藏好处减少输出爆炸的风险。贵模型往往倾向于输出长文本、详细解释而成本控制恰恰要求输出精炼。在简单环节用便宜的短输出模型相当于同时控制住输入端和输出端的费用。3.2 上下文上限和对话历史管理如果说模型路由是节流上下文管理就是止损。风险和性能平衡之后我的配置建议如下活跃上下文上限普通任务4万token左右复杂文档分析可以放宽到8万但不要默认无上限。自动压缩阈值达到上限的百分之八十左右触发摘要压缩把对话历史和工具结果浓缩成核心要点再继续。历史消息条数聊到第20轮左右不再把原始历史全部带上改为带上压缩后的摘要。工具输出截断单次工具返回限制在几千token以内超出的部分剪掉或只保留关键字段。这些参数看起来是细节实际上直接决定每一轮请求的输入费用。把上下文从20万token压到4万token输入端费用直接降到原来的五分之一而任务完成准确率在这种场景下几乎不受影响。大多数任务根本不需要记住全部历史它只需要记住结论和关键状态。这里还要提到一个场景如果你给OpenClaw接了Obsidian这类知识库千万不要把整个知识库索引灌进上下文。正确做法是先用便宜模型做检索和筛选只把相关片段拿给负责推理的模型。知识库是上下文膨胀的高发区我在实际使用中见过有人把整个笔记目录都塞进去一次请求直接干到几十万token。3.3 预算上限、速率限制和用量监控在API平台侧务必做三件事设预算上限、限速、单独Key。以OpenRouter为例控制台里可以设置总额度和月度额度限制超出直接拒绝请求。不要觉得设上限是自缚手脚恰恰相反当agent配置失误或遇到异常循环时它可以在几小时内烧光几百美元。预算上限是你最后的保险丝。再说限速。OpenRouter和多数直连平台都支持速率限制。我翻账单的时候发现很多高成本来自并发尖峰几十个任务同时触发每个任务又并发调用模型token消耗瞬间飙到顶峰。限速的意义是让调用队列平滑下来短期尖峰对成本的影响比匀速消耗大得多。单独Key这件事很容易被忽略。给OpenClaw配一把专用的API key不要和你日常写代码、调脚本用同一个Key。这样账单一出来不用猜直接按Key维度看消耗。我的习惯是每个部署环境一张Key即便出现异常定位问题的时间也能控制在十分钟以内。DeepSeek、智谱这类直连平台也是一样在控制台里给OpenClaw单独建一个API key单独充一小笔钱进去烧穿阈值自然停止反而比无限额度安全。3.4 channel和会话生命周期管理渠道侧的管理同样重要。配置channel时有几个关键决策点触发频率设置成新消息才触发响应不要在频道里做被动全文总结。框架默认的未读消息总结功能如果不需要就关掉。响应范围指定只响应以agent开头的消息或者私聊不要频道内每条消息都让agent掺和。空闲休眠没有任务超过一定时间后自动休眠需要时再唤醒。定时任务收敛定时任务的执行间隔拉长并且把任务内容设计成轻量执行避免每次启动都加载大量上下文。这些配置项的具体名称每个版本有差异但思路一致agent不应该在没人用的时候自己高频运转。休眠和唤醒机制不只是保护账单也能减少session文件锁冲突这类并发问题。4. 这一周遇到过的典型问题与排查心得按“从报错反查成本漏洞”的思路来讲。我这一周排查过程中有几个报错反复出现每一个背后都对应着一个成本问题。4.1 session file lockedtimeout 60000ms这是典型的进程冲突问题。OpenClaw把agent状态存在session文件里多个进程同时读写同一个文件就会触发文件锁默认超时是60秒。问题在于agent等锁超时的过程不是静默的它会把异常交给LLM分析一次次尝试规划、重试让60秒的等待变成一连串的API调用。排查顺序是先确认机器上只跑了一个OpenClaw实例再检查Windows下用的是Hub还是命令行方式Ubuntu和Docker方式同理不要让两个入口指向同一个数据目录最后可以把session锁超时时间调短让agent快速失败而不是长时间挂着。我的经验是60秒太长了15秒以内比较合理快速失败比反复等待成本低得多。4.2 API error 400maximum context length is 1048576 tokens这个报错表面上是上下文太长实际上往往不是真的达到了104万token而是某一次请求里包含了远超预期的内容。比如agent读取了一个几十MB的文档并全文塞进上下文又比如对话历史管理失效聊天记录累积了几十万token。遇到这个报错不要第一时间想怎么把模型窗口开得更大而是去查哪一步操作把大段内容灌进了上下文工具返回是不是存在未截断的大块文本会话是不是持续了很久但从没压缩把根因处理掉报错自然消失账单也会同步降下来。我见过有人遇到这个报错后第一反应是换更大窗口的模型这等于让问题变得更贵。4.3 401 Unauthorizedincorrect api key排查401一般就是key配错了、过期了或者平台地址填反了。把OpenRouter的Key填到DeepSeek的接口地址服务器验证不过也会提示401。这个错误本身好解决但背后有个成本隐患容易忽略如果同一个Key用在多个项目里一旦某个项目烧穿预算整个账户会被限流OpenClaw这边的正常任务跟着失败然后agent又进入重试循环烧双倍的钱。所以“一个环境一张Key”不仅是为了安全隔离也是为了账单异常时快速定位责任人。Key本身很便宜多建几张的成本远低于排查半天查不出钱是哪来的成本。4.4 Docker API连接和OpenClaw的部署方式选择Windows上用Docker Desktop时会遇到“failed to connect to the docker api at npipe:////./pipe/dockerdesktoplinuxen”这类报错。说白了就是CLI连不上Docker引擎通常是Docker Desktop的Linux engine没启动或者环境变量没配置好。这个问题本身和账单没有直接关系但它会引发连锁反应OpenClaw启动失败后外部任务反复尝试重新连接代理不停重试白白消耗token。从成本视角看部署方式也要注意。本地部署没有服务器费用但agent状态散落在本地多个位置更容易出现锁冲突。云服务器部署统一管理比较清爽但要注意别把API key写成明文放在容易被扫描的路径。我个人测试下来Ubuntu上用Docker方式安装OpenClaw最稳定Windows上如果只是快速试一下用Hub一键安装反而比折腾Docker更省心前提是保证单实例。4.5 技术选型OpenClaw和同类工具的取舍最后说一点关于工具选择的思考。很多人在比较OpenClaw和同类agent框架时会花很长时间对比功能列表但很少把API成本算进对比维度。实际上不同框架对上下文管理、重试策略、工具输出截断的默认设计差异会直接导致同一个任务的花费差一倍以上。选型的正确姿势是拿一个标准测试任务各跑一遍看完成任务大约需要几次LLM调用以及上下文平均涨到多大。相对于某些框架把上下文设计得比较“奢侈”OpenClaw的配置项足够开放路由、上下文、重试、渠道这些关键参数都能调这对成本控制来说其实是优点。你只要把这三件事配置对账单基本能稳定在可控区间。我个人现在的习惯是每周固定花十分钟打开API平台的用量报表按Key维度扫一眼消耗趋势。哪一天出现尖峰就回头查那天的任务日志看是不是有异常重试、大文档读取或者agent挂在某个channel没人管。账单本身就是最好的调试输出它会诚实地告诉你哪里有配置问题。这个习惯比任何监控告警都管用也让我把OpenClaw每月的API成本稳定在了一个可以接受的水平而不是每天提心吊胆等一个爆炸性的账单。