摸索了一周，终于找到了 OpenClaw 最省钱又最强的模型配置 (Claude+Kimi+DeepSeek)

过去一周，我干了一件蠢事。

我把 OpenClaw 的默认模型设成了 Claude 4.5，然后让它去重构一个老旧的 Python 项目。

结果就是，第二天早上醒来，项目没跑通，OpenRouter 的账单先炸了。那个数字看得我肉疼。

这让我意识到一个问题：我们是不是把 AI Agent 想得太“单一”了？

如果你在公司，有无限预算，当然可以全程由 GPT-5.3 Codex 或 Claude 4.5 伺候。但对于独立开发者来说，这不现实。

而且，也没有必要。

经过反复调试，我终于摸索出了一套 “黄金三角” 配置。这套方案让我的 Token 消耗降低了 90%，而且干活效率比单用 Claude 还要高。

误区：一个模型包打天下

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

这就像是用法拉利去送外卖。

Claude 4.5 确实聪明，它是现在的 SOTA。但你真的需要一个年薪百万的架构师去帮你写 console.log 或者修复 missing semicolon 这种弱智 Bug 吗？

不需要。

Agent 的工作其实是分层的。有些工作需要智商，有些工作需要记忆，而绝大多数工作，只需要耐操。

黄金三角架构 (The Golden Triangle)

我把我的 OpenClaw 拆分成了三个角色：

1. 🧠 架构师 (The Architect): Claude 4.5

• 定位：昂贵，稀缺，决策者。
• 职责：顶层设计、复杂逻辑判断、制定 SOP。
• 何时调用：当你问“这个功能该怎么设计？”或者“帮我审查一下这段鉴权逻辑的安全漏洞”时。
• 配置策略：把它设为 planner 或 reviewer。

2. 📚 图书馆员 (The Librarian): Kimi 2.5

• 定位：超大内存，过目不忘。
• 职责：阅读海量文档、分析整个代码库结构、读取几百页的 API 手册。
• 为什么是 Kimi？：在长上下文（Long Context）这个领域，Kimi 依然是王者。丢给它几十个文件，它能精准地告诉你哪个变量在哪个文件里定义过。
• 何时调用：当你启动任务时，让它先扫描一遍 src/ 目录；或者让它总结昨天的 execution.log。

3. 👷 实习生 (The Intern): DeepSeek R1

• 定位：便宜，听话，耐操。
• 职责：写具体函数、修简单的 Bug、生成 JSON 数据、跑测试脚本。
• 为什么是 DeepSeek？：因为便宜。极其便宜。它的 Coding 能力虽然不如 Claude 4.5 惊艳，但用来写具体的业务逻辑完全够用。最重要的是，Agent 经常会陷入“试错循环”，这种时候用 DeepSeek 跑十次循环都不心疼。
• 何时调用：fix_error，generate_code，run_script。

实战配置 (Show Me The Code)

在 OpenClaw 的 config.json 里，我是这样配置 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：以上是伪代码，具体配置取决于你的 OpenClaw 版本和插件支持)

效果如何？

自从换了这套配置：

1. 省钱：日常开发成本从每天 $10 降到了 $1 左右。DeepSeek 承担了 80% 的 Token 消耗，但只占了 10% 的成本。
2. 不发懵：以前上下文太长了，Claude 也会晕。现在把“阅读理解”的任务交给 Kimi，它总结好摘要再喂给其他模型，上下文极其清爽。
3. 敢试错：以前看到报错不敢让 Agent 自动修，怕费钱。现在直接丢给 DeepSeek：“去修吧，修不好别回来”，毫无心理负担。

总结

不要迷信“最强模型”。在 Agent 的世界里，没有最强，只有最合适。

• Claude 是你的 CTO。
• Kimi 是你的资料库。
• DeepSeek 是你那个不知疲倦、并在工位上睡袋过夜的超级实习生。

把它们组合起来，你才拥有了一个真正的团队。

P.S. 我写了个脚本专门监控这三个模型的 API 状态和 DeepSeek V4 的发布进度，感兴趣的可以来看看：DeepSeekV4.app