Проблема · Почему OpenClaw дорогой из коробки
OpenClaw — мощная платформа для AI-ассистентов. Но из коробки она не оптимизирована по расходам:
Одна модель для всего. По умолчанию OpenClaw использует одну модель (обычно Sonnet) для основных задач, heartbeats, subagents. Sonnet стоит $3 за миллион input-токенов.
Раздутый bootstrap. Каждое сообщение начинается с загрузки всех workspace-файлов. Типичный workspace — 45+ КБ (~15 000 токенов). Это $0.045 только за один bootstrap.
Нет лимита на контекст. Если workspace вырос до 100 КБ — OpenClaw загрузит все 100 КБ в каждое сообщение.
Heartbeats на дорогой модели. Каждые 3-4 часа. Каждый heartbeat = bootstrap + проверка + ответ. На Sonnet это $0.10-0.20, или $2-5 в день.
Результат: $100-300/мес, из которых 60-70% — накладные расходы. В этом гайде — 6 шагов, которые сократят расходы на 80%.
Шаг 1 · Multi-model routing 5 мин ~40-50%
Максимальный эффект. Дорогая модель — для сложных задач, дешёвая — для рутины.
Откройте ~/.openclaw/openclaw.json и настройте секцию agents.defaults:
{
"agents": {
"defaults": {
"model": {
"primary": "anthropic/claude-sonnet-4-5-20250929",
"fallbacks": ["anthropic/claude-haiku-4-5-20251001"]
},
"models": {
"anthropic/claude-haiku-4-5-20251001": { "alias": "haiku" },
"anthropic/claude-sonnet-4-5-20250929": { "alias": "sonnet" }
},
"subagents": {
"model": "anthropic/claude-haiku-4-5-20251001"
}
}
}
}
Что происходит:
primary— основная модель для чатов (Sonnet, $3/M input)fallbacks— автоматическое переключение на Haiku при rate limit ($0.25/M input)subagents.model— subagents всегда используют Haiku (в 12 раз дешевле)
Subagents на Haiku — это ок. Они выполняют параллельные подзадачи: поиск файлов, проверки, простые запросы. Haiku 4.5 справляется отлично.
Шаг 2 · Сжатие workspace 30 мин ~50% input
Workspace-файлы загружаются в контекст при каждом сообщении. Каждый лишний килобайт — это деньги.
Проверьте текущий размер
du -sh ~/.openclaw/workspace/
# Типичный результат: 45-80 КБ
wc -c ~/.openclaw/workspace/*.md
Принцип DRY: не дублировать
Самая частая проблема — информация повторяется в нескольких файлах:
- Описание проекта — в SOUL.md, AGENTS.md, и MEMORY.md
- Список инструментов — в TOOLS.md и AGENTS.md
- Команды — в AGENTS.md и MEMORY.md
Правило: каждый факт должен жить в одном месте. Остальные файлы ссылаются на него.
MEMORY.md — главный источник раздувания
Растёт со временем. Через месяц — 20-30 КБ. Решение:
- Создайте
memory/archive-YYYY-MM-DD.mdдля старых записей - В MEMORY.md оставьте только актуальное
- Цель: MEMORY.md < 5 КБ
AGENTS.md, HEARTBEAT.md, SOUL.md
Удалите неиспользуемые разделы, упростите инструкции для дешёвой модели, уберите дубли.
| Файл | Было | Стало |
|---|---|---|
| MEMORY.md | 22 КБ | 4.4 КБ |
| AGENTS.md | 7.8 КБ | 2.3 КБ |
| SOUL.md | 7.2 КБ | 4.2 КБ |
| HEARTBEAT.md | 4.8 КБ | 1.6 КБ |
| Всего | 45+ КБ | 20 КБ |
Шаг 3 · Ollama для heartbeats 15 мин $0/мес
Ollama запускает LLM локально. Модель llama3.2:3b весит 2 ГБ и отлично справляется с heartbeat-задачами.
Установка
# Установить Ollama
brew install ollama
# Скачать модель (~2 ГБ)
ollama pull llama3.2:3b
# Запустить (или откройте Ollama.app)
ollama serve
Настроить провайдер в openclaw.json
{
"models": {
"providers": {
"ollama": {
"baseUrl": "http://127.0.0.1:11434/v1",
"api": "openai-completions",
"apiKey": "ollama-local",
"models": [
{
"id": "llama3.2:3b",
"name": "Llama 3.2 3B",
"reasoning": false,
"input": ["text"],
"cost": {
"input": 0, "output": 0,
"cacheRead": 0, "cacheWrite": 0
},
"contextWindow": 131072,
"maxTokens": 8192
}
]
}
}
}
}
Назначить Ollama на heartbeats
{
"agents": {
"defaults": {
"heartbeat": {
"model": "ollama/llama3.2:3b"
}
}
}
}
Результат: heartbeats работают локально, без API. Стоимость: $0. Задержка: 2-5 сек.
Шаг 4 · bootstrapMaxChars 1 мин страховка
Одна строка в agents.defaults:
{
"agents": {
"defaults": {
"bootstrapMaxChars": 12000
}
}
}
Если workspace вырос сверх лимита — OpenClaw обрежет bootstrap-контекст, а не загрузит всё.
Рекомендуемые значения:
12000— агрессивная экономия (для сжатого workspace)20000— умеренная (хороший баланс)30000— лёгкая (для workspace с большим количеством инструкций)
Шаг 5 · Token Efficiency в system prompt 5 мин ~30-50% output
Добавьте в SOUL.md блок инструкций по экономии:
## Token Efficiency
- Отвечай кратко. Не повторяй контекст обратно.
- Для heartbeats: если нечего сообщить → только HEARTBEAT_OK
- Не пересказывай файлы — используй ссылки.
- Группируй проверки: одно сообщение вместо нескольких.
Без этого блока ассистент может пересказывать содержимое файлов (+500-1000 output-токенов), отвечать развёрнуто на heartbeat вместо HEARTBEAT_OK, отправлять 3 сообщения вместо одного.
С инструкциями Token Efficiency ассистент генерирует на 30-50% меньше output-токенов.
Шаг 6 · Автоматическая очистка сессий 5 мин скорость
Каждая сессия OpenClaw сохраняется в .jsonl. За месяц — сотни мегабайт. Создайте скрипт:
#!/usr/bin/env bash
# cleanup-sessions.sh
set -euo pipefail
SESSIONS_DIR="$HOME/.openclaw/agents/main/sessions"
ARCHIVE_DIR="$HOME/.openclaw/sessions-archive"
DAYS="${1:-7}"
[ ! -d "$SESSIONS_DIR" ] && echo "Нет сессий" && exit 1
TOTAL=$(find "$SESSIONS_DIR" -name '*.jsonl' | wc -l | tr -d ' ')
OLD=$(find "$SESSIONS_DIR" -name '*.jsonl' -mtime +"$DAYS" | wc -l | tr -d ' ')
SIZE_BEFORE=$(du -sh "$SESSIONS_DIR" | cut -f1)
echo "Сессии: $TOTAL ($SIZE_BEFORE), старше $DAYS дней: $OLD"
[ "$OLD" -eq 0 ] && echo "Нечего архивировать" && exit 0
mkdir -p "$ARCHIVE_DIR"
ARCHIVE="sessions-$(date +%Y%m%d).tar.gz"
find "$SESSIONS_DIR" -name '*.jsonl' -mtime +"$DAYS" -print0 | \
tar czf "$ARCHIVE_DIR/$ARCHIVE" --null -T -
find "$SESSIONS_DIR" -name '*.jsonl' -mtime +"$DAYS" -delete
echo "Готово: $(du -sh "$SESSIONS_DIR" | cut -f1), удалено: $OLD"
chmod +x cleanup-sessions.sh
./cleanup-sessions.sh 7
Полный конфиг · Всё вместе
{
"agents": {
"defaults": {
"model": {
"primary": "anthropic/claude-sonnet-4-5-20250929",
"fallbacks": ["anthropic/claude-haiku-4-5-20251001"]
},
"models": {
"anthropic/claude-haiku-4-5-20251001": { "alias": "haiku" },
"anthropic/claude-sonnet-4-5-20250929": { "alias": "sonnet" }
},
"bootstrapMaxChars": 12000,
"heartbeat": {
"model": "ollama/llama3.2:3b"
},
"subagents": {
"model": "anthropic/claude-haiku-4-5-20251001"
}
}
},
"models": {
"providers": {
"ollama": {
"baseUrl": "http://127.0.0.1:11434/v1",
"api": "openai-completions",
"apiKey": "ollama-local",
"models": [
{
"id": "llama3.2:3b",
"name": "Llama 3.2 3B",
"reasoning": false,
"input": ["text"],
"cost": {
"input": 0, "output": 0,
"cacheRead": 0, "cacheWrite": 0
},
"contextWindow": 131072,
"maxTokens": 8192
}
]
}
}
}
}
Результат · До и После
| Шаг | Что делаем | Время | Экономия |
|---|---|---|---|
| 1. Multi-model routing | Haiku для subagents, fallback | 5 мин | ~40-50% |
| 2. Сжатие workspace | DRY, архивация, аудит | 30 мин | ~50% input |
| 3. Ollama heartbeats | Локальная модель | 15 мин | $15-25 → $0 |
| 4. bootstrapMaxChars | Лимит контекста | 1 мин | Страховка |
| 5. Token Efficiency | Инструкции краткости | 5 мин | ~30-50% output |
| 6. Очистка сессий | Скрипт архивации | 5 мин | Скорость |
| Метрика | До | После |
|---|---|---|
| Bootstrap context | 45+ КБ (~15K токенов) | 20 КБ (~7K) |
| Heartbeat модель | Sonnet ($3/M) | Ollama ($0) |
| Subagent модель | Sonnet ($3/M) | Haiku ($0.25/M) |
| Idle расход/день | $2-5 | $0 |
| Расход/мес | $100-300 | $10-30 |
Время на все 6 шагов: ~1 час. Экономия: 80-90% в месяц.
Не хотите делать вручную?
Все эти оптимизации уже встроены в MILA GPT — персональный AI-ассистент на базе OpenClaw.
- ✓ Multi-model routing — из коробки
- ✓ Ollama для heartbeats — предустановлен
- ✓ Workspace сжат и оптимизирован
- ✓ Token Efficiency — в system prompt
- ✓ Скрипт очистки сессий — включён