文章总结： 文档针对使用OpenClaw分析大型项目导致APIToken成本过高的问题，提出了一种本地化部署方案。核心思路是结合Ollama和1Panel工具，在本地服务器搭建大模型环境，实现无需APIKey和Token费用的离线代码分析。文中详细介绍了环境准备、安装1Panel、部署Ollama、下载模型及配置OpenClaw的具体步骤。该方案有效解决了云端调用的高昂成本问题，为开发者提供了一种更自由、私密的AI辅助编程途径，适合长期高频使用场景。 综合评分： 83 文章分类： 安全工具,AI安全,解决方案,安全开发

---

项目还没分析完，Token先烧完了：我的 OpenClaw自救方案

原创

didiplus didiplus

攻城狮成长日记

2026年3月10日 20:56 广东

最近技术圈有个工具突然火了起来——OpenClaw。

不少开发者已经开始用它做各种事情，比如：

• 自动分析项目代码
• 快速理解大型仓库
• 自动生成技术文档
• 代码重构与补全

简单理解，它就像一个能读懂整个项目的 AI 工程助手。

于是，网上各种教程也跟着冒出来：

5分钟部署OpenClaw OpenClaw + GPT-4 开发神器 让AI帮你读代码

乍一看确实很香。

但很多教程都忽略了一个非常现实的问题：Token 成本。

项目还没看懂，Token先烧完了

很多人第一次用 OpenClaw，大概率会经历这样一个流程：

• 接入 DeepSeek 或 千问
• 指定一个代码仓库
• 让 AI 开始分析整个项目

然后模型就开始疯狂工作。

因为 OpenClaw 的核心能力就是“理解整个代码库”，这意味着它需要：

• 读取大量文件
• 分析代码上下文
• 进行多轮推理

结果就是:Token消耗速度非常惊人。

举个简单的例子。

一个普通项目：

• 代码量：3万 ~ 5万行
• 文件数量：200+

如果让 AI 完整分析一遍项目，很容易就会消耗：

几十万Token。

如果你用的是这些模型：

• GPT-4
• GPT-4o
• Claude

那一次完整分析的成本，通常在：

几美元到十几美元之间。

如果只是偶尔用一次还好。

但如果你：

• 经常分析项目
• 反复调试 Prompt
• 生成项目文档

那一个月下来，账单可能会变成这样：

AI费用比服务器还贵。

更麻烦的是，很多平台虽然提供“免费额度”，但基本都会有这些限制：

• 调用次数限制
• 速率限制
• 每日Token上限

一旦超出额度:就开始扣钱。

有没有一种办法：不用API，也不用Token？

很多人开始思考一个问题：

能不能完全不用云API？

答案是：可以。

而且实现方式也不复杂。

解决方案就是：

OpenClaw + Ollama 本地部署。

Ollama 是什么？

简单来说： Ollama 是一个让大模型在本地运行的工具。

它最大的特点就是:简单。

安装之后，一条命令就能跑模型。

目前支持的模型也非常丰富，比如：

• Llama3
• Qwen
• Mistral
• DeepSeek
• CodeLlama

最关键的一点是：

所有推理都在本地完成。

这意味着：

• 不需要 API Key
• 不会产生Token费用
• 不依赖外网

只要你的电脑配置够用——

模型可以随便跑。

甚至：

断网也能用。

整体架构其实很简单

如果把整个方案画出来，大概是这样：

整个调用流程变成：

• OpenClaw 需要调用模型
• 请求发送到 Ollama
• Ollama 再调用本地大模型

所以：

• 不需要OpenAI
• 不需要 API Key
• 不会产生 Token

换句话说：

AI 直接在你电脑里干活。

环境准备

先准备一台机器。

建议配置如下：

| 配置 | 建议 | | — | — | | CPU | 8核以上 | | 内存 | 16GB+ | | GPU | 可选（有的话会快很多） |

如果只是体验：

普通电脑其实也能跑起来。

第一步：安装1panel

以root用户身份运行一键安装脚本，自动完成1Panel的下载和安装。

1bash-c"$(curl-sSL https://resource.fit2cloud.com/1panel/package/v2/quick_start.sh)"

安装完成后，通过浏览器访问安装脚本提示的访问地址，开始使用1Panel。

第二步：安装Ollama

首先，从1Panel首页进入“应用商店”，在“AI/大模型”分类下找到Ollama，点击“安装”按钮进行安装。

在安装详情页中，您可以自定义端口并勾选“端口外部访问”选项，其他设置保持默认，最后点击“确认”按钮。

Ollama安装成功后，在1Panel操作界面中返回应用商店的“已安装”标签页，看到Ollama已经安装成功。

第三步：下载模型

点击菜单栏“AI->模型”，进行大模型的添加。

如果不知道的要下载那些模型，可以通过“快速跳转”，跳转到ollama模型广场进行搜索自己想要的模型

第三步：安装 OpenClaw

1panel安装OpenClaw之前，需要先配置模型账号。进入1Panel面板，点击 AI 下拉，点击智能体，点击模型账号，点击创建模型账号，如下图所示：

模型供应商选择ollama API Key 随意填写 Base URL 为自建项目的服务器IP:端口(结尾一定要带/v1)

点击确认后，可以看到我们刚刚创建的模型账号

点击智能体，点击创建智能体，点击下拉模型供应商，选择自定义，点击确认

等待一会，如图所示即为成功。

可以看到我们刚刚创建的智能体（OpenClaw）

第五步：测试

接下来点击面板设置，点击默认访问地址的设置，填入自己服务器的 IP ，点击确认

然后点击 AI ，点击智能体，点击 WebUI 端口 这个按钮

会跳转访问 服务器 IP:18789/?token=你的OpenClawToken，接下来就可以在 WebUI 里进行其他配置与聊天了

写在最后

AI 工具确实正在改变软件开发方式。

但很多时候，开发者忽略了一点：

真正的成本，不是模型，而是 Token。

如果你：

• 想长期使用 OpenClaw
• 想分析大型项目
• 不想每次都烧 API

那么这个方案真的值得试试：

OpenClaw + Ollama 本地部署

部署一次之后，你就可以：

• 无限调用模型
• 离线分析代码
• 私有化运行 AI

对于开发者来说，这可能是目前 最自由的一种 AI 使用方式。

| | | — | | 推荐文章 OpenClaw部署神器！阿里腾讯京东云服务器骨折价，几十块搞定AI 玩转OpenClaw｜云上OpenClaw快速接入飞书指南 |

---

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：攻城狮成长日记 didiplus didiplus《项目还没分析完，Token先烧完了：我的 OpenClaw自救方案》