核心用法
Token Optimizer 是专为 OpenClaw 部署设计的成本优化工具包，通过四大本地 Python 脚本实现 token 用量和 API 费用的系统性削减。
Context Optimization（上下文优化）：采用惰性加载策略，根据用户提示复杂度动态决定加载哪些文件。简单问候仅需加载 2 个核心文件（SOUL.md + IDENTITY.md），跳过 docs、历史 memory 等冗余内容，直接削减 80% 上下文 token。通过 context_optimizer.py recommend 命令实时分析提示，输出推荐文件列表和节省比例。
Smart Model Routing（智能模型路由）：自动识别任务类型并强制路由至最经济模型。关键创新是通信模式强制执行——将 "hi"、"thanks"、"ok" 等闲聊永久绑定至 Haiku 模型，杜绝昂贵的 Opus/Sonnet 浪费。同时识别后台任务（日志解析、定时检查）自动降级至 Haiku，复杂架构设计才启用 Opus。
Heartbeat Optimization（心跳优化）：将默认 30 分钟心跳间隔智能调整至 55 分钟（对齐 Anthropic 1 小时缓存 TTL），保持缓存热状态以避免昂贵的缓存重写。支持安静时段（23:00-08:00）自动跳过检查，通过状态追踪避免重复 API 调用。
Token Budget Tracking（预算追踪）：实时监控日消耗，在 80% 阈值触发警告、超限自动建议降级模型。提供 /context、/usage、/status 等 OpenClaw 2026.2.15+ 原生诊断命令的互补追踪。
显著优点
- 本地安全：4 个核心脚本零网络请求、零子进程调用、零系统修改，纯 Python 标准库实现
- 经过审计：Oracle (Matrix Zion) 2026-02-18 官方认证，security.verified=true
- 即插即用：
optimize.sh仅为便捷包装器，仅调用捆绑的 Python 脚本 - 多层级收益：个人使用节省 20-30%，托管部署节省 40-60%，高流量场景节省 70-90%
- 2026.2.15 原生集成：无缝对接 session pruning、bootstrap size limits、cache TTL alignment 等新特性
潜在局限
- 参考文件涉及外部服务：PROVIDERS.md 和 config-patches.json 描述的多提供商策略需要外部 API 密钥和网络访问（仅为可选文档，非核心脚本）
- 预算追踪需手动集成：token_tracker.py 目前需手动记录用量，尚未自动解析 session_status 工具
- 路由规则需调优：默认 ROUTING_RULES 和 COMMUNICATION_PATTERNS 可能需根据特定业务场景自定义
- 缓存对齐仅适用 Anthropic：55 分钟心跳优化针对 Anthropic 1h TTL 设计，其他提供商需手动调整
适合人群
- 高 token 消耗用户：日均 50K+ tokens 的开发者或团队
- API 速率限制场景：频繁触发 Anthropic/OpenAI 限流的部署
- 多代理托管商：xCloud 等平台需为 100+ 客户控制成本的运营商
- 成本敏感型工作流：希望在不牺牲质量前提下系统性降低 LLM 开销的组织
常规风险
- 模型降级质量风险：过度激进的 Haiku 路由可能导致复杂任务输出质量下降，建议保留 Sonnet 作为平衡默认
- 状态文件持久化：依赖
~/.openclaw/workspace/memory/目录可写权限，权限问题可能导致优化器状态丢失 - 多提供商配置误用：参考文件中的外部 API 配置若直接复制可能暴露密钥，需遵循安全密钥管理实践