MILAGPT
← Все статьиПоделиться:Telegram
ТЕХНИЧЕСКИЙ ГАЙД

OpenClaw: сокращаем расходы на 80%

6 шагов, реальные конфиги, конкретные цифры. От $100-300 до $10-30 в месяц.

~15 минут чтения 6 шагов Готовые конфиги

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.

2.1

Проверьте текущий размер

du -sh ~/.openclaw/workspace/
# Типичный результат: 45-80 КБ

wc -c ~/.openclaw/workspace/*.md
2.2

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.

2.3

MEMORY.md — главный источник раздувания

Растёт со временем. Через месяц — 20-30 КБ. Решение:

  1. Создайте memory/archive-YYYY-MM-DD.md для старых записей
  2. В MEMORY.md оставьте только актуальное
  3. Цель: MEMORY.md < 5 КБ
2.4-2.6

AGENTS.md, HEARTBEAT.md, SOUL.md

Удалите неиспользуемые разделы, упростите инструкции для дешёвой модели, уберите дубли.

ФайлБылоСтало
MEMORY.md22 КБ4.4 КБ
AGENTS.md7.8 КБ2.3 КБ
SOUL.md7.2 КБ4.2 КБ
HEARTBEAT.md4.8 КБ1.6 КБ
Всего45+ КБ20 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.

3.1-3.3

Установка

# Установить Ollama
brew install ollama

# Скачать модель (~2 ГБ)
ollama pull llama3.2:3b

# Запустить (или откройте Ollama.app)
ollama serve
3.4

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
          }
        ]
      }
    }
  }
}
3.5

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

COPY-PASTE READY
{
  "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

ШагЧто делаемВремяЭкономия
1. Multi-model routingHaiku для subagents, fallback5 мин~40-50%
2. Сжатие workspaceDRY, архивация, аудит30 мин~50% input
3. Ollama heartbeatsЛокальная модель15 мин$15-25 → $0
4. bootstrapMaxCharsЛимит контекста1 минСтраховка
5. Token EfficiencyИнструкции краткости5 мин~30-50% output
6. Очистка сессийСкрипт архивации5 минСкорость
МетрикаДоПосле
Bootstrap context45+ КБ (~15K токенов)20 КБ (~7K)
Heartbeat модельSonnet ($3/M)Ollama ($0)
Subagent модельSonnet ($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

MILAGPT · Ташкент

Хотите такого цифрового сотрудника себе?

Напишите Миле — она отвечает за секунды, в любое время суток.

Написать Миле →
Мила · MILAGPT

Заведите свою Милу

Расскажите ей о своём деле в Telegram — она поможет с первого разговора.

Завести свою Милу →
← Все статьи блога