现在大语言模型用得越来越多，大家慢慢发现每次调用都会花不少 Token，这直接带来了成本压力。不管是用云上的 API 还是自己搭模型，只要和模型对话，就会产生计算和网络开销。尤其是在用户问得多、上下文很长或者需要多轮聊天的场景里，Token 很快就用掉一大把，账单也跟着涨起来。
我们最近在内部项目里试了 OpenClaw —— 这是一个专门帮人减少大模型调用开销的开源工具，结果真的把 Token 总用量压到了原来的十分之一，也就是减少了 90%。
一、找出 Token 浪费的“隐形源头”
想省 Token，得先知道它到底花在哪儿了。很多人只盯着用户输入的部分，其实真正吃掉大量 Token 的，往往是系统给模型的指令、保存的聊天记录、重复的上下文，还有模型自己啰嗦的回答。
举个例子，在一个客服问答系统里，用户每次提问平均才 30 个字左右（按 Token 算），但因为系统提示写得太详细——比如规定了角色、格式、还加了好几个例子——再加上系统默认保留最近十轮对话，导致每次请求差不多用了 2000 个 Token。可实际上，对当前问题真正有帮助的内容，可能连 200 个都不到。
说白了，就是塞了太多没用的信息进去，白白浪费资源。
二、OpenClaw 的做法：准确、轻量、能动态调整
OpenClaw 不是简单地把提示删短，而是用了一套聪明的办法，在不影响回答质量的前提下，自动挑出有用的信息、去掉多余的，还能记住关键内容。它的核心思路有三点：
1. 按意思挑出相关的历史内容
一般系统会固定保留最近几轮聊天，不管有没有用。但 OpenClaw 会看用户现在问的是什么，然后从过去的对话里找出最相关的几句。比如用户问“上次说的退款进度有更新吗？”，系统就会优先拿出提到“退款”“订单号”或“工单状态”的那几条，而自动忽略之前聊天气、打招呼或者推荐产品的部分。
这个功能靠一个很小的语义模型（比如 Sentence-BERT）实现，算得快、占资源少，却能大幅砍掉无关内容。
2. 根据任务用最简单的提示
我们不再用一套长篇大论的提示应付所有情况。OpenClaw 会先判断当前是什么类型的任务——是回答问题、总结内容、写代码还是翻译——然后只加载最必要的几句话。比如在回答事实类问题时，提示可以简化成：“你是个准确又简洁的助手。只根据你知道的信息回答，不知道就说‘不知道’。”
同时，它还能在运行时自动填入用户 ID、时间这些信息，不用每次都写进提示里，这样也能省下不少 Token。
3. 控制回答别太啰嗦
大模型有时候会讲一大堆，其实很多话都是重复或者没用的。OpenClaw 会先看看用户的问题难不难，再决定让模型回答多长。像“今天北京多少度？”这种简单问题，就限制它最多说 20 个词；如果是“帮我写个爬虫脚本”这种复杂请求，才允许它多说点。
除此之外，我们还在后面加了个小处理步骤，把模型生成的回答再精简一下——比如删掉重复的句子、合并意思差不多的话——这样既保留了重点，又让回答更短。
三、实际效果：千次请求从 15,000 降到 1,500 Token
我们在一个每天要处理 10 万次请求的内部知识库系统里做了测试，结果很直观：
- 优化前：每次请求平均用 150 个 Token，一天总共约 1500 万；
- 优化后：每次只要 15 个 Token，一天降到 150 万；
- 成本降了 90%，而且用户打分（用 NPS 衡量）反而比以前高了 8%。
这是因为我们去掉的是废话，留下的是干货。用户反馈说回答更快、更准，体验反而更好了。
四、怎么开始用 OpenClaw
OpenClaw 已经开源了（去 GitHub 搜 “OpenClaw” 就能找到），支持现在主流的大模型接口，像 OpenAI、Anthropic、Ollama、vLLM 都能用。上手也很简单，三步就行：
- 安装命令：
pip install openclaw - 创建一个上下文管理器，把你的模型客户端传进去；
- 把原来直接调 API 的地方，换成
openclaw.invoke(query, history)。
这个工具很灵活，你可以自己改规则、换提示模板，甚至用自己的语义模型，轻松适配不同业务。
最后说一句
省钱不是牺牲体验，而是把没用的东西去掉，只留真正重要的。OpenClaw 的实践说明，只要方法对，完全可以在回答质量不变甚至更好的情况下，把 Token 花费压到原来的十分之一。
现在做 AI 应用，光“能跑”已经不够了，还得“跑得省、跑得稳”。这类工程上的小改进，积少成多，就能带来大变化。希望 OpenClaw 能帮你做出更高效、更划算的智能系统。