Agent 账单突然变高，先别急着换模型。一次回复可能包含系统提示、工具说明、技能、会话历史、检索资料和多轮工具调用；如果每轮都把整份手册塞进去，几句回答也会重复付输入 token 的钱。

这篇用虚构咖啡店资料做了本机实测：同一个模型分别读取整份手册和只含相关条目的短资料，再比较输入 token 和答案。随后再看模型分层、提示词缓存和 OpenClaw 用量记录各自能解决什么问题。

先看每轮实际用了多少

在 OpenClaw 对话里运行 /usage tokens 查看本轮 token 与缓存明细；/usage full 还可能显示费用估算。费用需要有用量数据和该模型的本地价格配置。没显示金额，不代表费用为零；如果一轮经过多次工具调用、重试或模型切换，要把各次模型请求都算进去。Token 用量说明

如果要找输入从哪里来，可运行 /context detail 看系统提示、工具、技能和注入文件占用。优先清理每轮都会重复发送、但当前任务用不上的内容；答案有依据的前提下，按问题检索几条相关资料，比把完整知识库交给模型更容易控量。

本机实测：同一个问答，少发无关资料

我准备了一份虚构咖啡店手册，包含 42 种饮品与食品、配送规则、12 条操作流程和 8 条常见问题。测试问题固定为“拿铁多少钱？满多少元免配送费？”，答案依据是拿铁 26 元、满 60 元免配送。

测试用 Ollama 0.35.1 分别运行本机 Qwen3.8-27B 和 Gemma4-E2B。对每款模型都做两轮：一轮把完整手册放进提示词，另一轮只放拿铁价格和免配送门槛；两轮要求输出相同 JSON。输入、输出 token 数和耗时由 Ollama Chat API 返回，不用字符数估算。Chat API 字段说明

本机模型 完整手册输入 精简资料输入 输入减少 输出 token（完整 / 精简） 答案（完整 / 精简） 耗时（完整 / 精简）
Qwen3.8-27B 2300 107 95.35% 29 / 29 正确 / 正确 29.902 / 3.448 秒
Gemma4-E2B 2540 113 95.55% 26 / 26 正确 / 正确 5.944 / 0.436 秒

这是同一台 M1 Max 上的单题试跑。每个模型的第一轮包含模型加载，第二轮在模型已加载时运行，因此耗时只作现场记录，不用于横向性能排名；本例更有用的结论是精简资料后两个模型仍答对，输入 token 分别少了 95.35% 和 95.55%。一次正确不等于生产验收通过。

脚本直连 Ollama API，没有经过 OpenClaw Agent；因此不包含 OpenClaw 自动加入的工具说明、技能、会话历史和多轮工具调用。它只验证“把当前任务用不上的资料拿掉”这一项。

另试了本机 DeepSeek-R1 8B，在完整与精简资料两轮中都用完 512 个输出 token 上限，没有交付可解析的 JSON；这个配置不通过本题。小参数模型若输出推理很长，未必省总 token。它需要调整输出预算并重新评测，不能把这次截断推广成该模型在所有任务上的结论。

这些数字测的是本机模型的输入 token，不是 DeepSeek 云 API 的计费 token；本地推理没有按 token 收取的 API 费，但仍占用设备、电力和时间。完整脚本、虚构资料和模型返回记录在成本控制练习包。

按任务选模型，先用小样本验收

把高频、规则明确、出错影响小的分类或字段提取任务交给更便宜或本机的小模型；涉及多条件判断、金额、隐私或对外动作时，先用小模型和较强模型跑同一组固定样例，再决定路由，并保留程序校验或人工复核。模型参数大小本身不能证明质量，至少记录每题的正确字段、耗时和模型实际返回的 token。

OpenClaw 的 utilityModel 适用于标题、进度摘要等短内部任务，调用它会产生单独的模型请求；它不是所有用户请求的自动“小模型路由”。agents.defaults.model.fallbacks 是模型出错时的故障转移，也不是按任务难度或价格自动挑选模型。要做任务路由，应明确把不同任务放入不同 Agent 或在任务开始时选定模型，再用同一份验收集检查结果。模型配置 · 故障转移说明

缓存能省重复前缀，不能省掉所有输入

提示词缓存复用的是连续且相同的前缀。把稳定的系统规则、工具定义和固定资料放在前面，把每次变化的问题放在后面；在稳定前缀里插入当前时间、随机编号或每轮变化的说明，可能让后面的内容无法复用。缓存只改变某些输入 token 的处理和价格，不会让答案生成所需的输出 token 消失。

DeepSeek API 会在用量中返回 prompt_cache_hit_tokens 和 prompt_cache_miss_tokens；文档说明缓存是尽力而为，前缀要完整匹配已持久化的缓存单元，命中率不保证为 100%。OpenClaw 有时会把提供方缓存用量归一化为 cacheRead / cacheWrite。没有缓存计数时，命中率应记为“未知”，不能直接当作零命中或全命中。DeepSeek 缓存规则 · OpenClaw 缓存说明

估算单次 API 费用时，按提供方返回的实际用量分桶：

费用（美元） = （未命中输入 token × 未命中单价
             + 命中输入 token × 命中单价
             + 输出 token × 输出单价）÷ 1,000,000

DeepSeek 当前价格页区分峰时与非峰时，也按模型分别列出缓存命中、未命中和输出价格；价格会变，估账时从官方页面取当前费率。练习包里的 s163_cost.py 读取 API 响应用量对象并按输入费率计算，不把本机 Ollama 的 token 数伪装成云账单。DeepSeek 官方价格表 · API 用量字段

自己复现

解压练习包，确认 Ollama 已启动并下载包内 README 列出的本机模型。先运行 python3 s163_prompt_budget.py，看全量与精简两轮是否都返回正确字段；如果脚本提示任一答案错误，就不要把该模型用于无人复核的自动回复。再保存一份 DeepSeek API 的原始 JSON 响应，用官方价格页当前的三个费率运行 s163_cost.py。不要把真实 API Key 写进脚本或交付包。

本轮没有发起 DeepSeek API 请求，因此没有测试云端缓存命中或核对实际扣费。练习包给出的是可自行复现的 API 费用计算方式，不是本机实测账单。对真实业务，还要用脱敏样例测多种问法、资料变更、提示注入和模型异常，并监控整轮所有请求的费用。

继续阅读：Agent 的记忆：短期上下文和长期记忆怎么设计 · OpenClaw Agent 怎么用得稳？