Token 使用和成本

Token 使用与成本

OpenClaw 追踪的是 tokens，而不是字符。Token 取决于具体的模型，但大多数 OpenAI 风格的模型对于英文文本平均每个 Token 约对应 4 个字符。

系统提示词是如何构建的

OpenClaw 在每次运行时会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、BOOTSTRAP.md，如果是新的）。大文件会被 agents.defaults.bootstrapMaxChars 截断（默认：20000）。
• 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）

有关完整的细分，请参阅 系统提示词。

哪些内容计入上下文窗口

模型接收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（图片、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，但仍会计入）

如需实用的细分（按注入的文件、工具、技能和系统提示词大小），请使用 /context list 或 /context detail。请参阅 上下文。

如何查看当前的 Token 使用量

在聊天中使用以下命令：

• /status → 富含表情符号的状态卡片，其中包含会话模型、上下文使用情况、 上一次回复的输入/输出 Token 数以及 预估成本（仅限 API 密钥）。
• /usage off|tokens|full → 在每次回复中附加每次回复的使用情况页脚。
  • 按会话持久化（存储为 responseUsage）。
  • OAuth 身份验证隐藏成本（仅显示 Token）。
• /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 提供商配额窗口（而非每次回复的成本）。

成本估算（显示时）

成本是根据您的模型定价配置估算的：

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

这些是 input、output、cacheRead 和 cacheWrite 每 100 万 Token 的美元价格。如果缺少定价，OpenClaw 仅显示 Token。OAuth Token 从不显示美元成本。

缓存 TTL 和修剪的影响

提供商提示词缓存仅在缓存 TTL 时间窗口内有效。OpenClaw 可以 选择运行 cache-ttl 修剪：一旦缓存 TTL 过期，它会修剪会话，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历史记录。这可以保持较低的 缓存写入成本，特别是当会话空闲超过 TTL 时。

在 Gateway(网关) 配置 /en/gateway/configuration 中进行配置，并在 /en/concepts/session-pruning 中查看行为详细信息。

心跳可以在空闲间隙期间保持缓存热度。如果您的模型缓存 TTL 为 1h，将心跳间隔设置得略短于该时间（例如 55m）可以避免 重新缓存完整提示词，从而降低缓存写入成本。

对于 Anthropic API 定价，缓存读取明显比输入 token 便宜，而缓存写入则按更高的倍率计费。请参阅 Anthropic 的提示词缓存定价以获取最新费率和 TTL 倍率： https://docs.anthropic.com/docs/build-with-claude/prompt-caching

示例：使用心跳保持 1 小时缓存热度

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-5"
    models:
      "anthropic/claude-opus-4-5":
        params:
          cacheRetention: "long"
    heartbeat:
      every: "55m"

降低 token 压力的技巧

• 使用 /compact 来总结长会话。
• 在工作流中裁剪大型工具输出。
• 保持技能描述简短（技能列表会被注入到提示词中）。
• 对于冗长、探索性的工作，首选较小的模型。

请参阅 Skills 以了解确切的技能列表开销公式。

---

本页面源自 openclaw/openclaw，由 BeaversLab 翻译，遵循 MIT 协议 发布。