文章总结： 本文档是一份关于OpenClaw的使用手册，核心是通过多种指令与配置优化Token成本。它介绍了如/new、/compact等核心交互指令来管理会话和监控状态；针对飞书环境提供了引用回复、消息截断等特化技巧；还讲解了后台自动压缩、精准检索等深度优化配置，并总结了分阶段处理、模型阶梯化使用等最佳实践。 综合评分： 85 文章分类： 解决方案,技术标准,安全工具,AI安全,实战经验
OpenClaw 指令与 Token 优化
原创
YangYang YangYang
YY的黑板报
2026年3月21日 11:22 天津
本手册整合了 OpenClaw 的通用命令、飞书（Lark）特化操作以及深度 Token 成本控制策略。
一、 核心交互指令 (斜杠命令 /)
在对话框输入 / 即可触发，是管理 AI 状态最直接的方式。
| 分类 | 指令 | 功能描述 | Token 优化/省钱效果 |
| — | — | — | — |
| 会话控制 | /new | 开启全新会话，彻底清空历史记忆。 | 最高级优化 ：上下文归零，仅保留系统提示词开销。 |
| | /compact | [核心] 压缩当前对话，生成上下文摘要。 | 大幅降本 ：将数万 Token 的冗长历史压缩至几百。 |
| | /reset | 重置 Agent 运行状态，清除临时变量。 | 终止因逻辑死循环导致的重复 Token 浪费。 |
| 临时任务 | /btw [内容] | 发起“顺便提一下”的提问（By the way）。 | 防污染 ：该对话不存入历史，避免干扰后续核心任务。 |
| 状态监控 | /usage | 开启/关闭回复末尾的 Token 消耗统计。 | 透明化 ：实时监控消耗，防止 API 账单超出预算。 |
| | /context | 查看当前上下文的详细组成及占比。 | 诊断 ：精准定位哪个文件或插件在“偷跑”流量。 |
| | /status | 查看当前模型、运行环境及健康度。 | 确认是否误用了昂贵模型（如 Claude 3.5 Sonnet）。 |
| 模型工具 | /model [名] | 快速切换 AI 模型（如 gpt-4o-mini）。 | 策略优化 ：简单任务切低价模型，复杂任务切高阶模型。 |
| | /memory | 检索本地知识库或持久化长期记忆。 | RAG 模式 ：按需抓取片段，比全量读入省钱 90% 以上。 |
二、 飞书 (Lark) 环境特化技巧
在飞书多用户协作场景下，Token 消耗往往更快，建议采用以下交互方案：
- 引用回复 (Threaded Reply)
- 操作：使用飞书“回复”功能针对性提问。
- 效果：OpenClaw 会优先提取关联消息，忽略群聊中无关的闲聊内容，减少输入负载。
- 消息截断设置
- 在后台配置
max_history_messages: 15。限制历史轮数可强制模型“聚焦”当前问题，防止历史信息无限堆积。
- 自动卡片总结
- 配置
auto_summary: true。当群聊 Token 达到阈值时，自动将历史折叠为摘要卡片，确保持续对话处于低成本环境。
- 权限白名单
- 使用
/allowlist限制高阶模型调用权限，防止非核心成员误用昂贵资源（如频繁调用 GPT-4 闲聊）。
三、 后台深度优化配置 (openclaw.json)
通过调整底层参数，实现自动化的 Token 缩减：
1. 自动压缩机制 (Compaction)
当上下文占用接近模型上限时，自动触发刷新：
"compaction": {
"memoryFlush": true, // 压缩前将关键决策存入局部存储
"tokenThreshold": 80000 // 达到 80k Token 时自动执行压缩
}
2. 启用精准检索 (QMD)
开启 Query-based Memory Delivery
- 效果：系统不再每轮发送全部历史，而是仅根据当前问题召回最相关的历史片段进入 Context，极大节省输入 Token。
3. 设置硬性上下文上限
- 手动设置
contextTokens。建议设为模型最大能力的 60%-70%。 - 意义：防止单次请求费用过高，并提高模型响应速度。
四、 最佳实践总结
- 分阶段处理：处理大型项目时，先用
/memory search找文件，再针对性修改。禁止一次性将整个源码目录喂给 AI。 - 模型阶梯化：默认使用
gpt-4o-mini处理日常咨询，仅在需要复杂推理或代码编写时手动切换至claude-3-5-sonnet。 - 及时清场：项目阶段性结束后，养成使用
/new的习惯，保持 Agent 始终运行在轻量化状态。
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：YY的黑板报 YangYang YangYang《OpenClaw 指令与 Token 优化》
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
评论