Token 成本估算器

基于 OpenClaw 会话记录数据，估算真实的 API 费用。

工作原理

OpenClaw 将会话记录以 JSONL 格式存储在 ~/.openclaw/agents//sessions/*.jsonl 路径下。每行代表一次对话轮次（turn），包含 role、content 字段，有时还包含 usage 数据。

估算脚本

运行以下 Python 脚本来分析所有 agent：

import json, glob, os

AGENTS_DIR = os.path.expanduser('~/.openclaw/agents')
# 每百万 token 的单价（请根据需要更新）
PRICING = {
    'opus': {'input': 15, 'output': 75, 'cache_read': 1.875},
    'sonnet': {'input': 3, 'output': 15, 'cache_read': 0.375},
}

agent_dirs = [d for d in os.listdir(AGENTS_DIR) if os.path.isdir(os.path.join(AGENTS_DIR, d))]
grand_in, grand_out = 0, 0

for agent in sorted(agent_dirs):
    sess_dir = os.path.join(AGENTS_DIR, agent, 'sessions')
    if not os.path.isdir(sess_dir):
        continue
    total_in, total_out, sessions = 0, 0, 0
    for f in glob.glob(os.path.join(sess_dir, '*.jsonl')):
        sessions += 1
        turns = []
        for line in open(f):
            try:
                obj = json.loads(line)
                msg = obj.get('message', {})
                if not isinstance(msg, dict): continue
                role = msg.get('role', '')
                raw = json.dumps(msg)
                turns.append((role, len(raw)))
            except: pass
        # 考虑上下文重复发送
        cumulative = 0
        for role, chars in turns:
            if role in ('user', 'system', 'tool'):
                cumulative += chars
            elif role == 'assistant':
                total_in += cumulative // 4
                total_out += chars // 4
    print(f'{agent}: {sessions} 个会话，约 {total_in:,} 输入 token，约 {total_out:,} 输出 token')
    grand_in += total_in
    grand_out += total_out

print(f'\n总计输入：约 {grand_in:,}，输出：约 {grand_out:,}')
for tier, rates in PRICING.items():
    for cache_pct in [0.6, 0.9]:
        cached = int(grand_in * cache_pct)
        uncached = grand_in - cached
        cost = (uncached/1e6)*rates['input'] + (cached/1e6)*rates['cache_read'] + (grand_out/1e6)*rates['output']
        print(f'{tier}（{int(cache_pct*100)}% 缓存命中率）：${cost:,.2f}')

关键概念

上下文重复发送：每次 API 调用均需将完整对话历史作为输入发送。例如一个 50 轮的对话，在每次新消息中都会重新发送此前全部轮次内容。这是成本的第一大驱动因素。

缓存命中：OpenClaw 对 prompt 前缀进行缓存。典型缓存命中率为 60–90%。缓存读取成本比全新输入低 87.5%。

会话记录未涵盖的内容：系统提示词（system prompts）、工具定义（tool definitions）以及内部重试过程并不总被记录。实际成本通常为会话记录估算值的 1.5–2 倍。

方案对比

盈亏平衡点：若估算出的 API 成本超过订阅价格，则选择订阅更省钱。注意：Anthropic 已限制第三方工具中 OAuth token 的使用。