Openclaw一周烧掉我14亿Token后，我总结了这10条血泪教训
Openclaw一周烧掉我14亿Token后，我总结了这10条血泪教训
Openclaw一周烧掉我14亿Token后，我总结了这10条血泪教训 Openclaw一周烧掉我14亿Token后，我总结了这10条血泪教训 Modified March 3 Code block Plain Text Copy 核心方法 把每个有意义的任务当作执行循环，而不是一次性尝试。 优先验证结果，而不是快速猜测。 保持决策透明，确保进度可审计。 规划纪律 任何非琐碎请求都从规划模式开始。 在实施前定义范围、约束条件和明确的"完成"标准。 如果事实改变或某一步失败，暂停执行并重新规划。 执行循环 重复：构建 → 测试 → 记录 → 决策。 构建最小的有意义的改动。 立即针对预期行为进行测试。 把变更、通过/失败情况、下一步该做什么记录在 里。 根据证据决定迭代、升级或关闭。 任务管理 保持 作为实时真相来源。 将工作分解为子任务，持续更新状态。 发现后续任务时立即添加，而不是留下隐性债务。 学习循环 每次纠正后，追加到 。 每条记录：失败情况、根本原因、预防规则。 每次会话开始前回顾教训。 质量关卡 没有证据绝不标记完成。 要求测试通过、日志干净且可理解、可观察的正确性。 最终检查："一个资深工程师会批准这个作为生产就绪代码吗？" 升级规则 缺少凭证、外部故障或需求模糊时立即升级。 同一问题上失败三次后，停止并重新规划再继续。 4. Todo.md = 自动扩展的任务清单 自扩展任务列表。 睡前给agent一个大任务。它会分解成子任务，工作时更新状态，发现后续工作时生成新任务。午夜的一个任务，到早上可能变成三四个。 5. ProgressLog.md = 你的晨间简报 每轮构建 测试循环都要记录。它试了什么，通过还是失败，学到了什么。边喝咖啡边打开这个，不用看会话记录就知道昨晚发生了什么。 6. Cron job 长会话 你不能布置个任务就合上笔记本。会话只有在开着的时候才有状态。窗口一关，agent就全忘了。真正的后台工作需要定时任务，按计划唤醒agent。 我跑了三个定时任务：凌晨2点、4点、6点。每个都会唤醒agent，让它检查Todo.md里的剩余任务。有活就接着干，干完了就写个总结然后继续睡觉。 Code block Plain Text Copy openclaw cron add name "overnight 2am" cron "0 2 " message "Check Todo.md. Pick up incomplete tasks. Log progress." openclaw cron add name "overnight 4am" cron "0 4 " message "Continue working through Todo.md. Update progress log." openclaw cron add name "overnight 6am" cron "0 6 " message "Final check. Summarize all overnight work." openclaw cron list 在这些定时任务之前，agent会在任务中途卡住，然后闲置几小时直到我注意到。定时任务就像闹钟。最坏情况下，它闲置两小时就会被戳醒继续干活。 7. 文件就是记忆 长会话会被压缩。这意味着你的agent会悄悄丢失上下文。它之前做的决策、跟踪的状态、已经搞清楚的东西，全没了。然后它从头开始重新推导一遍，烧token做已经做过的工作，有时候第二次还会得出不同结论。 解决办法是把所有重要的东西都写到workspace的markdown文件里。想象一下，就像给一个每天早上失忆的员工写入职文档。你写得越多，它需要从头搞清楚的就越少。 Code block Plain Text Copy /.openclaw/workspace/ ├── USER.md 你是谁，偏好，上下文 ├── AGENTS.md Agent身份和路由 ├── HEARTBEAT.md 每次心跳要检查什么 ├── MEMORY.md 长期事实 ├── Soul.md 决策循环和行为 ├── Todo.md 当前任务 └── progress log.md 运行日志 8. 模型质量 ≠ Agent质量 大部分挫败感不是来自OpenClaw，而是来自那些不会调工具的模型。聊天质量和agent质量是完全不同的两件事。一个模型能写诗，但在需要调用函数、解析结果、决定下一步做什么的时候可能直接卡死。 这是我从实际使用中发现的东西，都是2026年2月中旬的最新数据： 模型 Agent质量 工具调用 成本 Claude Sonnet 4.6 优秀 可靠 $3/$15 per 1M Claude Opus 4.6 优秀 可靠 $15/$75 per 1M GPT 5.3 Codex 优秀 可靠 Pro订阅 Kimi K2.5 不错 可靠 ～$0.6 $2 per 1M MiniMax M2.5 不错 可靠 $0.3 $1.20 per 1M GLM 5 尚可 稳定 $0.75 $2.55 per 1M 我的日常配置：Sonnet 4.6作为OpenClaw的日常主力。刚发布，基本上是Opus级别的办公任务能力，但只需要五分之一的价格。OSWorld上72.5%，几乎追平Opus 4.6的72.7%。目前做agent工作性价比最高的模型。 Opus 4.6留给需要严肃推理或长上下文的工作。100万token上下文窗口。最强大脑，只是你不想让心跳任务跑在上面。 GPT 5.3 Codex专门用来写代码。比5.2快25%，在SWE Bench Pro和Terminal Bench 2.0上都是最顶尖的。我在Codex app/CLI里用它做开发工作，和OpenClaw运维分开。 Agent苦力活的预算模型：Kimi K2.5通过OpenRouter或NVIDIA调用依然便宜得离谱。MiniMax M2.5是预算之王：SWE Bench上80.2%，开源，MIT协议，输入每百万token只要0.30美元。GLM 5做重推理任务很稳。这三个工具调用都很可靠，这才是agent工作最重要的。 9. 一次只加一个新集成 别试图一次性把邮件+日历+Telegram+网页爬虫+定时任务全配上。每个集成都是一个独立的故障点。每个渠道都是一个新的出错表面。 我从一个简单的晨间简报定时任务开始。稳定跑了一周后，才加下一个。然后再下一个。每个都搞稳了再往前走。出问题了就跑 openclaw doctor fix 。 专业提示 一旦某个工作流稳定了，让你的agent学习它。让它读Skill文件、定时任务配置、成功运行的日志。当它理解你这套配置的"正常状态"是什么样子后，它会更擅长保持系统运行，在问题级联之前发现它们。 10. 分开你的Dev和Ops Agent Codex / Claude Code 做开发 写代码、调试、上线功能。 有时候Codex会卡住。换Claude。有时候反过来。不同工作用不同模型。都指向一个有干净git结构的私有GitHub仓库。Agent在组织良好的代码里很擅长识别模式。 OpenClaw 做运维 监控、调度、通信、自动化。 定时任务、心跳、消息路由、任务管理。把开发和运维分开，这样它们不会互相污染上下文。 关于记忆系统的补充 最好的agent是不会每次会话都从零开始的。OpenClaw有内置的向量记忆： openclaw memory status 和 openclaw memory search 。还有Claw Vault和Supermemory可以做更高级的设置。 我自己在搭一个记忆系统（Gigabrain），目前已经索引了911+条记忆。每次对话、每个决策、每个偏好都被存储并可搜索。Agent记得上次什么有效、什么坏了、我喜欢什么。这个上下文让一切都更快更可靠。 关键洞察 透明度和可审计性比单纯的回忆更重要。你得能看到agent"知道"关于你和项目的什么。否则你就是在信任一个有shell访问权限的黑盒子。 关于安全的补充 OpenClaw出过真实的安全事故。多个CVE，包括一个CVSS 8.8的远程代码执行漏洞，Bitsight和Censys的扫描团队发现了超过3万个暴露实例，ClawHub还有大规模的供应链投毒活动。你的agent有shell访问权限、浏览器控制权，还能以你的名义发消息。在循环里运行。不需要问你就执行。 Code block Plain Text Copy 健康检查 + 自动修复 openclaw doctor deep fix yes 安全审计 openclaw security audit 自动修复安全问题 openclaw security audit fix 深度扫描（JSON输出） openclaw security audit deep json 完整状态 openclaw status all deep 安全审计会标记暴露的网关认证、浏览器控制暴露、提升的允许列表、文件系统权限。光是ClawHavoc活动就在ClawHub上种植了1,184+个恶意Skill，当时占了整个注册表的约12%。这些可不是什么 subtle 的东西：加密货币窃取器、反向shell、伪装成交易机器人和生产力工具的凭证外泄。CrowdStrike、Cisco和Kaspersky都发布了警告。 最后 你不是不擅长这个。这事儿现在就是很难。那些发"我的agent一晚上做了个完整应用"的人，已经调了几周了。他们烧了token，写了几十页规则，调试了你正在经历的同样卡顿。 对我有帮助的是：接受这个事实——配置本身就是工作。写 就是产品工作。调整模型路由是基础设施工作。定时任务是运维工作。你不是在用一个工具，你是在搭建一个系统。 14亿token之后，agent在我睡觉的时候真的在产出成果。配置就是护城河。大部分人在到达这里之前就放弃了。 存好这篇。发给你的bot。等它在晚上自动产出成果的时候再回来看看。 4. Todo.md = 自动扩展的任务清单 自扩展任务列表。 睡前给agent一个大任务。它会分解成子任务，工作时更新状态，发现后续工作时生成新任务。午夜的一个任务，到早上可能变成三四个。 5. ProgressLog.md = 你的晨间简报 每轮构建 测试循环都要记录。它试了什么，通过还是失败，学到了什么。边喝咖啡边打开这个，不用看会话记录就知道昨晚发生了什么。 6. Cron job 长会话 你不能布置个任务就合上笔记本。会话只有在开着的时候才有状态。窗口一关，agent就全忘了。真正的后台工作需要定时任务，按计划唤醒agent。 我跑了三个定时任务：凌晨2点、4点、6点。每个都会唤醒agent，让它检查Todo.md里的剩余任务。有活就接着干，干完了就写个总结然后继续睡觉。 在这些定时任务之前，agent会在任务中途卡住，然后闲置几小时直到我注意到。定时任务就像闹钟。最坏情况下，它闲置两小时就会被戳醒继续干活。 7. 文件就是记忆 长会话会被压缩。这意味着你的agent会悄悄丢失上下文。它之前做的决策、跟踪的状态、已经搞清楚的东西，全没了。然后它从头开始重新推导一遍，烧token做已经做过的工作，有时候第二次还会得出不同结论。 解决办法是把所有重要的东西都写到workspace的markdown文件里。想象一下，就像给一个每天早上失忆的员工写入职文档。你写得越多，它需要从头搞清楚的就越少。 8. 模型质量 ≠ Agent质量 大部分挫败感不是来自OpenClaw，而是来自那些不会调工具的模型。聊天质量和agent质量是完全不同的两件事。一个模型能写诗，但在需要调用函数、解析结果、决定下一步做什么的时候可能直接卡死。 这是我从实际使用中发现的东西，都是2026年2月中旬的最新数据： 模型 Agent质量 工具调用 成本 Claude Sonnet 4.6 优秀 可靠 $3/$15 per 1M Claude Opus 4.6 优秀 可靠 $15/$75 per 1M GPT 5.3 Codex 优秀 可靠 Pro订阅 Kimi K2.5 不错 可靠 ～$0.6 $2 per 1M MiniMax M2.5 不错 可靠 $0.3 $1.20 per 1M GLM 5 尚可 稳定 $0.75 $2.55 per 1M 模型 模型 Agent质量 Agent质量 工具调用 工具调用 成本 成本 Claude Sonnet 4.6 Claude Sonnet 4.6 优秀 优秀 可靠 可靠 $3/$15 per 1M $3/$15 per 1M Claude Opus 4.6 Claude Opus 4.6 优秀 优秀 可靠 可靠 $15/$75 per 1M $15/$75 per 1M GPT 5.3 Codex GPT 5.3 Codex 优秀 优秀 可靠 可靠 Pro订阅 Pro订阅 Kimi K2.5 Kimi K2.5 不错 不错 可靠 可靠 ～$0.6 $2 per 1M ～$0.6 $2 per 1M MiniMax M2.5 MiniMax M2.5 不错 不错 可靠 可靠 $0.3 $1.20 per 1M $0.3 $1.20 per 1M GLM 5 GLM 5 尚可 尚可 稳定 稳定 $0.75 $2.55 per 1M $0.75 $2.55 per 1M 我的日常配置：Sonnet 4.6作为OpenClaw的日常主力。刚发布，基本上是Opus级别的办公任务能力，但只需要五分之一的价格。OSWorld上72.5%，几乎追平Opus 4.6的72.7%。目前做agent工作性价比最高的模型。 Opus 4.6留给需要严肃推理或长上下文的工作。100万token上下文窗口。最强大脑，只是你不想让心跳任务跑在上面。 GPT 5.3 Codex专门用来写代码。比5.2快25%，在SWE Bench Pro和Terminal Bench 2.0上都是最顶尖的。我在Codex app/CLI里用它做开发工作，和OpenClaw运维分开。 Agent苦力活的预算模型：Kimi K2.5通过OpenRouter或NVIDIA调用依然便宜得离谱。MiniMax M2.5是预算之王：SWE Bench上80.2%，开源，MIT协议，输入每百万token只要0.30美元。GLM 5做重推理任务很稳。这三个工具调用都很可靠，这才是agent工作最重要的。 9. 一次只加一个新集成 别试图一次性把邮件+日历+Telegram+网页爬虫+定时任务全配上。每个集成都是一个独立的故障点。每个渠道都是一个新的出错表面。 我从一个简单的晨间简报定时任务开始。稳定跑了一周后，才加下一个。然后再下一个。每个都搞稳了再往前走。出问题了就跑 openclaw doctor fix 。 专业提示 一旦某个工作流稳定了，让你的agent学习它。让它读Skill文件、定时任务配置、成功运行的日志。当它理解你这套配置的"正常状态"是什么样子后，它会更擅长保持系统运行，在问题级联之前发现它们。 10. 分开你的Dev和Ops Agent Codex / Claude Code 做开发 写代码、调试、上线功能。 有时候Codex会卡住。换Claude。有时候反过来。不同工作用不同模型。都指向一个有干净git结构的私有GitHub仓库。Agent在组织良好的代码里很擅长识别模式。 OpenClaw 做运维 监控、调度、通信、自动化。 定时任务、心跳、消息路由、任务管理。把开发和运维分开，这样它们不会互相污染上下文。 关于记忆系统的补充 最好的agent是不会每次会话都从零开始的。OpenClaw有内置的向量记忆： openclaw memory status 和 openclaw memory search 。还有Claw Vault和Supermemory可以做更高级的设置。 我自己在搭一个记忆系统（Gigabrain），目前已经索引了911+条记忆。每次对话、每个决策、每个偏好都被存储并可搜索。Agent记得上次什么有效、什么坏了、我喜欢什么。这个上下文让一切都更快更可靠。 关键洞察 透明度和可审计性比单纯的回忆更重要。你得能看到agent"知道"关于你和项目的什么。否则你就是在信任一个有shell访问权限的黑盒子。 关于安全的补充 OpenClaw出过真实的安全事故。多个CVE，包括一个CVSS 8.8的远程代码执行漏洞，Bitsight和Censys的扫描团队发现了超过3万个暴露实例，ClawHub还有大规模的供应链投毒活动。你的agent有shell访问权限、浏览器控制权，还能以你的名义发消息。在循环里运行。不需要问你就执行。 安全审计会标记暴露的网关认证、浏览器控制暴露、提升的允许列表、文件系统权限。光是ClawHavoc活动就在ClawHub上种植了1,184+个恶意Skill，当时占了整个注册表的约12%。这些可不是什么 subtle 的东西：加密货币窃取器、反向shell、伪装成交易机器人和生产力工具的凭证外泄。CrowdStrike、Cisco和Kaspersky都发布了警告。 最后 你不是不擅长这个。这事儿现在就是很难。那些发"我的agent一晚上做了个完整应用"的人，已经调了几周了。他们烧了token，写了几十页规则，调试了你正在经历的同样卡顿。 对我有帮助的是：接受这个事实——配置本身就是工作。写 就是产品工作。调整模型路由是基础设施工作。定时任务是运维工作。你不是在用一个工具，你是在搭建一个系统。 14亿token之后，agent在我睡觉的时候真的在产出成果。配置就是护城河。大部分人在到达这里之前就放弃了。 存好这篇。发给你的bot。等它在晚上自动产出成果的时候再回来看看。 🔗 原文链接： https://mp.weixin.qq.com/s/FUYc0zpj... https://mp.weixin.qq.com/s/FUYc0zpj... 原创 DracoVibeCoding DracoVibeCoding Draco正在VibeCoding2026年2月22日 16:49 澳大利亚 🧑💻 小伙伴们也可以通过阿里云百炼Coding Plan 来部署： 首购低至 7.9 元，续费 5 折起，支持Qwen3.5、Qwen3 max、Qwen3 coder、GLM 5、GLM 4.7、Kimi k2.5等模型 👉戳链接直达：https://t.aliyun.com/U/0iiOuy 👉查看详细部署教程：https://t.aliyun.com/U/MNkA9b 最多三步，即可拥有 7x 24小时在线、随时响应的AI助手 小伙伴们也可以通过阿里云百炼Coding Plan 来部署： 首购低至 7.9 元，续费 5 折起，支持Qwen3.5、Qwen3 max、Qwen3 coder、GLM 5、GLM 4.7、Kimi k2.5等模型 👉戳链接直达：https://t.aliyun.com/U/0iiOuy 👉查看详细部署教程：https://t.aliyun.com/U/MNkA9b 最多三步，即可拥有 7x 24小时在线、随时响应的AI助手 原文：I Burned 1.4B Codex Tokens in a Week Running OpenClaw. Here's What I'd Tell Myself on Day One. 作者：legendaryy (@legendaryy) 日期：20 Feb 2026 一开始我以为，装个OpenClaw，丢给它几个任务，然后让它自己跑就完事了。演示视频里就是这么讲的。但前两周根本不是这么回事。 前两周简直就是"带娃"——盯着它烧token，看着它在同一个答案上循环八次，看着Codex任务在那儿空转。我布置个任务，走开一会儿，回来发现它要么只做了一件事就罢工了，要么陷入和自己关于用tab还是space的无限对话里。 经过大量试错，现在它终于能稳定运行，真的在干正事了。从"这玩意儿就是个玩具"到"我睡觉的时候它把功能都上线了"，这个差距是真实存在的。关键就在于，你得停止把它当聊天机器人，开始把它当基础设施来看待。 下面是真正起作用的东西。10个我想告诉每个今天刚开始的人的事。 1. 模型路由决定一切（别用Opus去跑心跳） 这是最关键的决策，也是我14亿token主要烧在哪儿的原因。我把所有东西都往Opus或Codex上怼——心跳、定时检查、状态ping、普通聊天，全都在用最贵的模型。 这周开始，Sonnet 4.6是日常使用的最佳选择。刚发布，基本上有Opus级别的智商，但只需要五分之一的成本。输入/输出每百万token只要$3/$15美元，而Opus是15/75美元。它在OSWorld上得分72.5%，几乎追平Opus 4.6的72.7%。性格也很好。这是我用过最适合做agent工作的模型，质量够硬还不会让你大出血。 如果Sonnet的价格对你的配置来说还是太贵，那就降级到Kimi K2.5，通过OpenRouter调用。大约$0.60/$2美元每百万token，工具调用也很稳定。把Opus预算留到真正需要深度推理或长上下文作的时候。 设置一个分层配置。好模型做主引擎处理日常任务，强力模型做后备处理复杂工作。 你可以在聊天中用/model随时切换模型。需要Opus处理复杂任务？切换。回到常规工作？切回Sonnet。上面的配置会自动处理后备方案，如果主模型碰到速率限制的话。 2. 不写Skill文件，你的agent就是个智障 刚开箱的时候，你的OpenClaw agent会做一些让人叹为观止的蠢事。在同一个失败的方法上循环六次。编辑它根本没资格碰的配置文件。跳过文档自己瞎编解决方案，结果把整个项目搞崩。模型是聪明的，agent行为不是。这是两回事。 解决办法是Skill文件。 这些文件放在你的workspace/skills/文件夹里，告诉agent具体该怎么表现。把它们想象成防止你的agent越野脱缰的护栏。 这是大多数人跳过的部分 你得自己写这些规则。没人知道你的技术栈、你的偏好，或者你的agent具体会以什么方式搞砸。你是在为一个能力很强但非常死板的员工写操作手册。没有它，你就只能祈祷。 让我错误率直接砍半的一条规则：做任何改动之前，先读文档。Agent喜欢即兴发挥，它们会硬刚那些文档里早就有的优雅解决方案。我做了个叫DocClaw的Skill，强制"先读再做"的工作流，在任何代码改动前必须有个侦察阶段。已经在ClawHub上了。 没有这些文件，你的agent干完一件事就卡住了。没有后续，没有迭代。只有一个昂贵的光标在凌晨3点等你告诉它该干嘛。 3. Soul.md是你的大脑，不是你的待办清单 构建 → 测试 → 记录 → 决策 → 循环