OpenClaw不花钱攻略

OpenClaw不花钱攻略

先说背景

上个月入坑小龙虾（OpenClaw），250K Stars 不是白来的。

我主要用它做三件事：

1. 重构老项目 — 直接把整个 codebase 丢给 Agent，它自己分析依赖关系、提 PR，一个下午搞定我手动要两天的活
2. 写爬虫 + 数据清洗 — 描述一下目标网站结构，Agent 自己写 Playwright 脚本，还带错误重试
3. 批量文档生成 — 给一份模板 + 数据源，Agent 循环生成几十份报告，格式一致性比我手动弄的好

体感上，OpenClaw 的 Agent 工作流比直接用 ChatGPT/Claude 手动粘贴高效太多——你只需要描述目标，它自己拆解任务、调用工具、验证结果。

但有个问题——烧钱。

第一周的开销记录：

天数	主要任务	Token 消耗	花费
Day 1	搭环境 + 试跑 demo	~50K	¥8
Day 2	重构一个老项目	~180K	¥31
Day 3	写爬虫 + 数据清洗	~220K	¥38
Day 4-5	连续两天做文档生成	~300K	¥52
Day 6-7	调 Agent 工作流	~100K	¥18
合计		~850K tokens	¥147

147 块，七天，轻度使用。群里有老哥重度用一天干掉 50 块的。一年小一万。

免费方案选型

群里推荐的 Zero Token 我看了一下——要把凭据交给第三方服务器。想了三秒，关掉了。不是说人家有恶意，但凭据过别人服务器这个架构设计上就有风险。

后来在 GitHub 刷到一个本地模型聚合工具，看了 README 很对味：聚合 29 个免费 Provider，本地运行，凭据不出本机。

这些免费配额分散在各个平台，单独一个可能不够，全加起来就很离谱：

• Groq：每天 14,400 次请求，Llama 3.3 70B，750 tokens/秒
• Cerebras：每天 100 万 token，Llama 70B，2000 tokens/秒
• SambaNova：每天 200K token，Llama 405B
• Gemini：免费用，100 万上下文窗口
• Kiro：每月 50 credits + 新用户送 500，含 Claude Sonnet

安装：一行命令

安装命令在项目 README 里，一行 curl 搞定，Mac/Windows/Linux 都支持。跑起来后本地开一个 http://localhost:18765，自动生成兼容 OpenAI 格式的 API。不需要你去各平台注册、拿 Key、填配置。

接入 OpenClaw：两行环境变量

export ANTHROPIC_BASE_URL=http://localhost:18765
export ANTHROPIC_API_KEY=unused

API_KEY 随便填就行，认证和调度都在本地完成。OpenClaw 以为自己在调 Anthropic API，实际请求打到了本地，再自动分发到各免费 Provider。

完全无感知，Prompt、工具调用、多轮对话，全部正常。

额度用完怎么办？不用管——它有自动轮转机制，当前 Provider 用完无缝切下一个，29 个排着队。到现在都没把一天的配额用完过。

两周实际数据

项目	第一周（直接调 API）	第二/三周（本地聚合）
Token 消耗	~850K	~2.1M
花费	¥147	¥0
中断次数	0	0

用得更多了反而一分没花，因为心理上没了"每个 token 都是钱"的负担。以前纠结 Prompt 要不要精简省 token，现在完全不管了。

这种心态变化比省钱本身更有价值。

顺便分享几个省 token 通用技巧

不管你用不用免费方案，这几招都能省不少：

• 任务拆小 — 别给 Agent 一个巨大的目标，拆成 3-5 个小步骤，每步 token 消耗可控，出错也好定位
• 用小模型干粗活 — 代码补全、简单问答用 Llama 70B 足够，复杂推理再上 Claude/GPT
• 控制上下文长度 — 别把整个项目文件夹丢进去，只给相关文件。Context 越短，token 越省，回答质量反而更高
• 缓存常用 Prompt — 重复用的系统提示词存成模板，别每次手写

三步搞定

1. 一行命令装工具 — 30 秒
2. 设两个环境变量 — 10 秒
3. 正常用 OpenClaw — 跟以前一样，只是不花钱了

养虾不花钱，不是梦。

---

GitHub：github.com/romgX/openr…

你们用 OpenClaw 一个月花多少 token 钱？评论区聊聊。