一种全面方法，可大幅降低您的Agentic AI令牌成本至少95%，又名当前令牌缩减方法总结

您只需让您的Agent阅读本文档，他就能理解它……您完全无需担心。您的Agent将向您解释如何使用此方法。 注意：如需阅读，请切换到Markdown版本。 # OpenClaw 令牌优化技术 - 完整分析 > **作者**：用户A · Agent-X > **上次更新**：2026-05-19 > **适用版本**：OpenClaw 2026.4.23+ > **目标读者**：对AI Agent / LLM成本优化感兴趣的技术人员 --- ## 目录 - [OpenClaw 令牌优化技术 - 完整分析](#openclaw-token-optimization-techniques---complete-analysis) - [目录](#table-of-contents) - [第一部分：原则 - 系统提示的隐藏成本](#part-1-principles---hidden-costs-of-system-prompts) - [Bootstrap文件加载机制](#bootstrap-file-loading-mechanism) - [上下文窗口与压缩机制](#context-window-and-compaction-mechanism) - [每次新会话的固定开销](#fixed-overhead-per-new-session) - [第二部分：测试 - Bootstrap文件定量分析](#part-2-testing---bootstrap-file-quantitative-analysis) - [优化前的文件体积](#file-volume-before-optimization) - [优化后的文件体积](#file-volume-after-optimization) - [按使用场景的累积消耗对比](#cumulative-consumption-comparison-by-usage-scenario) - [第三部分：优化 - 七项核心技术](#part-3-optimization---seven-core-techniques) - [1. 树状文档架构（旧：单文件 → 新：多层索引）](#1-tree-structured-document-architecture-old-single-file--new-multi-layer-index) - [优化原理](#optimization-principle) - [实测数据](#measured-data) - [成本节省（月度）](#cost-savings-monthly) - [资源消耗变化](#resource-consumption-changes) - [2. AI自动压缩（Compaction）](#2-ai-auto-compression-compaction) - [优化原理](#optimization-principle-1) - [实测对比](#measured-comparison) - [成本节省](#cost-savings) - [资源消耗变化](#resource-consumption-changes-1) - [3. 轻量任务的本地模型管理（QMD / Ollama）](#3-local-model-management-of-lightweight-tasks-qmd--ollama) - [优化原理](#optimization-principle-2) - [QMD应用](#qmd-application) - [实测数据](#measured-data-1) - [成本节省](#cost-savings-1) - [资源消耗变化](#resource-consumption-changes-2) - [4. 直接脚本到API调用，绕过Bootstrap](#4-direct-script-to-api-calls-bypassing-bootstrap) - [优化原理](#optimization-principle-3) - [实测数据](#measured-data-2) - [资源消耗变化](#resource-consumption-changes-3) - [5. 控制台命令替代LLM对话](#5-console-commands-replace-llm-conversation) - [优化原理](#optimization-principle-4) - [实际应用](#practical-application) - [资源消耗变化](#resource-consumption-changes-4) - [6. 日常逻辑CPU化（Python Cron直接推送）](#6-daily-logic-cpu-fication-python-cron-direct-push) - [优化原理](#optimization-principle-5) - [已实现的CPU化任务](#implemented-cpu-fied-tasks) - [实测对比](#measured-comparison-1) - [技术实现](#technical-implementation) - [资源消耗变化](#resource-consumption-changes-5) - [7. 智能需求从LLM回拉至CPU（心跳清单化）](#7-intelligent-demands-pulled-back-from-llm-to-cpu-heartbeat-checklist-ification) - [优化原理](#optimization-principle-6) - [转换对比](#transformation-comparison) - [实测数据](#measured-data-3) - [成本节省](#cost-savings-2) - [资源消耗变化](#resource-consumption-changes-6) - [综合效益评估](#comprehensive-benefit-assessment) - [月度成本对比总结](#monthly-cost-comparison-summary) - [年化对比](#annualized-comparison) - [不仅仅是省钱](#beyond-just-saving-money) - [附录1：模型定价参考](#appendix-1-model-pricing-reference) - [附录2：技能描述符向量化](#appendix-2-vectorization-of-skill-descriptors) - [结论](#conclusion) --- ## 第一部分：原则 - 系统提示的隐藏成本 ### Bootstrap文件加载机制 每次执行 `/new` 或 `/reset` 创建新会话时，OpenClaw运行时自动加载以下内容作为 **系统提示 + 启动上下文**： | 文件 | 加载方式 | 用途 | |------|----------|------| | `AGENTS.md` | 系统提示注入 | Agent行为指令树 | | `SOUL.md` | 系统提示注入 | 个性定义 | | `USER.md` | 系统提示注入 | 用户信息 | | `HEARTBEAT.md` | 系统提示注入 | 定时任务检查清单 | | `TOOLS.md` | 系统提示注入 | 本地工具配置 | | `MEMORY.md` | 启动上下文 | 长期记忆 | | `memory/*.md`（过去2天） | 启动上下文 | 日常工作日志（≤2800字符） | 这些文件 **不在对话历史中可见**，但 **会消耗实际的上下文窗口**。每次LLM推理都必须处理这些内容。 ### 上下文窗口与压缩机制 OpenClaw的压缩机制采用 `mode: safeguard` 策略： - **触发条件**：当对话历史 + bootstrap 接近上下文限制时自动触发 - **压缩方法**：生成早期对话摘要，保留近期细节 - **问题**：如果bootstrap文件本身较大，留给实际对话的空间就少，压缩触发更频繁，每次压缩都会消耗令牌 ### 每次新会话的固定开销 以默认模型 MiniMax M2.7（200K上下文窗口）为例： > **优化前**：bootstrap ~25,000 字节 ≈ ~6,250 令牌 > **优化后**：bootstrap ~8,300 字节 ≈ ~2,075 令牌 > 每次会话启动节省 **~4,175 令牌**，不包括后续对话中压缩的连锁效应。 同样的原理适用于 DeepSeek V3.2（200K上下文）等模型。如果您的日常使用涉及频繁的 `/new` / `/reset`（例如任务切换、上下文清理），节省量会翻倍。 --- ## 第二部分：测试 - Bootstrap文件定量分析 > 以下所有数据基于实际文件测量。敏感内容已匿名化：用户名 → "用户A"，Agent名称 → "Agent-X"。 ### 优化前的文件体积 | 文件 | 行数 | 字节数 | 估计令牌数 | 主要内容 | |------|-------|-------|-------------|----------| | AGENTS.md | ~300 | ~12,000 | ~3,000 | 行为规则、技能索引、记忆规则、快速决策混合 | | MEMORY.md | ~200 | ~8,000 | ~2,000 | 持仓信息、已构建系统、技术架构、用户目标 | | SOUL.md | 36 | 1,673 | ~418 | 个性定义 | | USER.md | 11 | 278 | ~70 | 用户名/时区/偏好 | | TOOLS.md | 34 | 827 | ~207 | 搜索工具链、本地配置 | | HEARTBEAT.md | 28 | 1,681 | ~420 | 心跳检查清单 | | **合计** | **~609** | **~24,459** | **~6,115** | | ### 优化后的文件体积 | 文件 | 行数 | 字节数 | 估计令牌数 | 变化 | |------|-------|-------|-------------|--------| | AGENTS.md | 56 | 2,278 | ~570 | ⬇️ **-81%** | | MEMORY.md | 62 | 1,589 | ~397 | ⬇️ **-80%** | | SOUL.md | 36 | 1,673 | ~418 | — | | USER.md | 11 | 278 | ~70 | — | | TOOLS.md | 34 | 827 | ~207 | — | | HEARTBEAT.md | 28 | 1,681 | ~420 | — | | **合计** | **~227** | **~8,326** | **~2,082** | ⬇️ **-66%** | > 提取的详细规则移至 `docs/` 子目录（共5个文件，9,452字节），由LLM通过 `read` 工具按需加载，不再随bootstrap注入。 ### 按使用场景的累积消耗对比 假设典型使用模式： - **每日对话**