OpenClaw 成本优化核心是按任务复杂度路由至不同价位模型：心跳用 Haiku，查询用 Gemini Flash 或本地 7B，代码审查用 Qwen3-Max，图像任务专用 qwen3-vl-plus；并支持降级链、提示缓存、本地模型替代及别名管理。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
OpenClaw 的模型成本主要来自 API 调用的 token 消耗，而默认配置会把所有任务——包括心跳检测、日历查询、工具调用反馈等简单操作——全部塞给高成本主模型（如 Claude Opus 或 GPT-4o）。这不是能力问题，是路由策略缺失。优化核心就一条：让不同复杂度的任务，走不同价位的模型。
按任务类型分配模型
不是所有任务都需要“最强大”的模型。日常对话、状态检查、邮件分类、定时提醒这类低复杂度任务，用 Haiku、GPT-4o Mini、DeepSeek-R1 就够了；代码生成、架构设计、长文档推理才需要 Opus 或 Qwen3-Max。OpenClaw 支持显式任务分类路由：
- 心跳任务 → 固定路由到 Haiku（$0.30/百万 token），间隔设为 55 分钟可命中 Anthropic 缓存
- 邮件/日历/天气查询 → 使用 Gemini Flash 或本地 7B 模型（Ollama + qwen2.5:7b）
- 代码审查或 PR 分析 → 动态触发至 Qwen3-Max 或 GPT-5.2-turbo
- 图像理解任务 → 单独配置 image model 为 qwen3-vl-plus，不混用文本模型
启用多模型自动降级与缓存
单一模型不可用时系统停摆？默认提示词反复发送推高 token？这两点都能通过基础配置解决：
OpenClaw Backup Rclone
下载
自动备份 OpenClaw 整体配置到远程存储（支持任意 rclone 后端：COS、S3、FTP、SFTP、WebDAV等）。 触发场景： - 创建/配置自动备份任务 - 设置备份周期、保留份数、目标目录 - 手动触发备份 - 查看/恢复备份 - OpenClaw 运行异常时的提醒
- 设置降级链：
openclaw models fallbacks add alibaba-cloud/qwen3.5-plus，再加一个本地模型地址，确保主模型限流时自动切到备用通道 - 开启提示缓存：
claw config set llm.cacheSystemPrompts true，并设置cacheRetention: "7d"，系统提示、Agent 配置等固定内容只计费一次 - 关闭冗余上下文扩展：
claw config set agent.auto_expand_context false，避免每次请求都带入完整历史
本地模型替代高频低价值调用
对隐私敏感或成本极度敏感的用户，80% 的日常任务完全可本地闭环：
- 用 Ollama 运行 qwen2.5:7b 或 llama3.2:3b，启动命令：
ollama run qwen2.5:7b - 指向本地服务：
claw config set llm.base_url http://localhost:11434 - 保留云端模型仅用于关键推理，通过会话级覆盖临时调用：
openclaw agent --model gpt-4o-mini "重写这段技术文档" - 配合 QMD 记忆后端，本地模型也能精准召回上下文，避免重复输入
用别名+配置文件简化切换流程
频繁敲全名模型 ID 容易出错，也难维护。推荐用别名体系统一管理：
- 设置常用别名：
openclaw models aliases set cheap gemini-flash，openclaw models aliases set pro qwen3-max-2026-01-23 - 在
~/.openclaw/openclaw.json中定义默认模型、图片模型、fallback 列表，重启 gateway 即生效 - 日常用
openclaw models set cheap切换，复杂任务前加/session_status model=pro即可
