養(yǎng)龍蝦,要用心養(yǎng)。沒養(yǎng)好,別怪龍蝦。
最近看到不少朋友在討論 OpenClaw 的使用成本問題。有人說花了大價錢買 API token 但效果不佳,也有人考慮全用便宜的國產(chǎn)模型來省錢。
養(yǎng)好 OpenClaw 不是一味砸錢就能解決的。高低大小模型互相搭配,才是最合理的方案。
OpenClaw 是一個多代理系統(tǒng),不同任務(wù)對模型能力的要求差異很大。例如,日常簡單事務(wù)如發(fā)帖子、查天氣、寫簡單的 Python 腳本或讀取文件等,需要的是穩(wěn)定的輸出、足夠的編碼能力和快速響應(yīng)。這類任務(wù),國產(chǎn)大模型完全夠用,比如智譜的 GLM-5、月之暗面的 Kimi K2.5、Minimax-M2.5 和通義千問 Qwen3.5,價格通常是 Claude 的十分之一甚至二十分之一,既便宜又高效。
對于復(fù)雜任務(wù),比如配置新技能、調(diào)試復(fù)雜的瀏覽器自動化流程、架構(gòu)設(shè)計和技術(shù)評審等,需要極強(qiáng)的推理能力和穩(wěn)定的長上下文理解。這時,Claude Sonnet 4.6 或 Opus 4.5 就顯得非常有用。雖然這些模型價格較高,但一次跑通節(jié)省的時間遠(yuǎn)超 API 成本。
我的模型搭配策略是:默認(rèn)使用國產(chǎn)模型處理80%的日常任務(wù),遇到難題再切換到頂級模型。首次運行復(fù)雜技能時直接使用頂級模型,避免后續(xù)反復(fù)調(diào)試。這樣下來,我的月度 API 成本降低了70%以上,體驗幾乎沒有下降。
另一個常見問題是上下文和 Session 管理。這實際上是使用者的責(zé)任。網(wǎng)上有很多成熟方案,如記憶分層、定期清理、精準(zhǔn)檢索和明確邊界。OpenClaw 提供了 memory_search、memory_get、sessions_list、sessions_cleanup 等工具,如何使用取決于用戶自己。
養(yǎng) OpenClaw 小龍蝦就像養(yǎng)寵物,你需要了解它的習(xí)性,合理喂食,定期打掃,用心陪伴。只有這樣,才能讓 OpenClaw 成為真正的生產(chǎn)力助手。
龍蝦太火,所有人都想一試。但真到了上手環(huán)節(jié)就會遇到難題——究竟哪個模型最適合OpenClaw呢?別急,龍蝦之父推薦了一個有趣的榜單:PinchBench
2026-03-10 08:50:16龍蝦之父推薦了兩款國產(chǎn)模型