摸索了一週，終於找到了 OpenClaw 最省錢又最強的模型配置 (Claude+Kimi+DeepSeek)

過去一週，我幹了一件蠢事。

我把 OpenClaw 的默認模型設成了 Claude 4.5，然後讓它去重構一個老舊的 Python 項目。

結果就是，第二天早上醒來，項目沒跑通，OpenRouter 的賬單先炸了。那個數字看得我肉疼。

這讓我意識到一個問題：我們是不是把 AI Agent 想得太「單一」了？

如果你在公司，有無限預算，當然可以全程由 GPT-5.3 Codex 或 Claude 4.5 伺候。但對於獨立開發者來說，這不現實。

而且，也沒有必要。

經過反覆調試，我終於摸索出了一套 「黃金三角」 配置。這套方案讓我的 Token 消耗降低了 90%，而且幹活效率比單用 Claude 還要高。

誤區：一個模型包打天下

很多人（包括之前的我）配置 OpenClaw 只有一行： "model": "anthropic/claude-4-5-sonnet"

這就像是用法拉利去送外賣。

Claude 4.5 確實聰明，它是現在的 SOTA。但你真的需要一個年薪百萬的架構師去幫你寫 console.log 或者修復 missing semicolon 這種弱智 Bug 嗎？

不需要。

Agent 的工作其實是分層的。有些工作需要智商，有些工作需要記憶，而絕大多數工作，只需要耐操。

黃金三角架構 (The Golden Triangle)

我把我的 OpenClaw 拆分成了三個角色：

1. 🧠 架構師 (The Architect): Claude 4.5

• 定位：昂貴，稀缺，決策者。
• 職責：頂層設計、複雜邏輯判斷、制定 SOP。
• 何時調用：當你問「這個功能該怎麼設計？」或者「幫我審查一下這段鑑權邏輯的安全漏洞」時。
• 配置策略：把它設為 planner 或 reviewer。

2. 📚圖書館員 (The Librarian): Kimi 2.5

• 定位：超大內存，過目不忘。
• 職責：閱讀海量文檔、分析整個代碼庫結構、讀取幾百頁的 API 手冊。
• 為什麼是 Kimi？：在長上下文（Long Context）這個領域，Kimi 依然是王者。丟給它幾十個文件，它能精準地告訴你哪個變量在哪個文件裡定義過。
• 何時調用：當你啟動任務時，讓它先掃描一遍 src/ 目錄；或者讓它總結昨天的 execution.log。

3. 👷 實習生 (The Intern): DeepSeek R1

• 定位：便宜，聽話，耐操。
• 職責：寫具體函數、修簡單的 Bug、生成 JSON 數據、跑測試腳本。
• 為什麼是 DeepSeek？：因為便宜。極其便宜。它的 Coding 能力雖然不如 Claude 4.5 驚豔，但用來寫具體的業務邏輯完全夠用。最重要的是，Agent 經常會陷入「試錯循環」，這種時候用 DeepSeek 跑十次循環都不心疼。
• 何時調用：fix_error，generate_code，run_script。

實戰配置 (Show Me The Code)

在 OpenClaw 的 config.json 裡，我是這樣配置 Router 的：

{
  "router": {
    "defaults": {
      "model": "deepseek/deepseek-r1"
    },
    "overrides": [
      {
        "taskType": ["planning", "reasoning", "security_audit"],
        "model": "anthropic/claude-4-5-sonnet"
      },
      {
        "taskType": ["context_reading", "summary", "search"],
        "model": "moonshot/kimi-2.5-128k"
      },
      {
        "taskType": ["coding", "debugging", "scripting"],
        "model": "deepseek/deepseek-r1"
      }
    ]
  }
}

(注意：以上是偽代碼，具體配置取決於你的 OpenClaw 版本和插件支持)

效果如何？

自從換了這套配置：

1. 省錢：日常開發成本從每天 $10 降到了 $1 左右。DeepSeek 承擔了 80% 的 Token 消耗，但只佔了 10% 的成本。
2. 不發懵：以前上下文太長了，Claude 也會暈。現在把「閱讀理解」的任務交給 Kimi，它總結好摘要再喂給其他模型，上下文極其清爽。
3. 敢試錯：以前看到報錯不敢讓 Agent 自動修，怕費錢。現在直接丟給 DeepSeek：「去修吧，修不好別回來」，毫無心理負擔。

總結

不要迷信「最強模型」。在 Agent 的世界裡，沒有最強，只有最合適。

• Claude 是你的 CTO。
• Kimi 是你的資料庫。
• DeepSeek 是你那個不知疲倦、並在工位上睡袋過夜的超級實習生。

把它們組合起來，你才擁有了一個真正的團隊。

P.S. 我寫了個腳本專門監控這三個模型的 API 狀態和 DeepSeek V4 的發佈進度，感興趣的可以來看看：DeepSeekV4.app