การใช้โทเคนและค่าใช้จ่าย¶

25. OpenClaw ติดตาม tokens ไม่ใช่อักขระ OpenClawติดตาม โทเคน ไม่ใช่อักขระ โทเคนขึ้นกับโมเดล แต่โดยเฉลี่ยโมเดลสไตล์OpenAIส่วนใหญ่มีประมาณ ~4 อักขระต่อโทเคนสำหรับข้อความภาษาอังกฤษ

วิธีสร้าง system prompt¶

OpenClawจะประกอบ system prompt ของตัวเองทุกครั้งที่รัน โดยประกอบด้วย: 26. ซึ่งประกอบด้วย:

• รายการเครื่องมือ + คำอธิบายสั้นๆ
• รายการSkills (เฉพาะเมทาดาทา; คำสั่งจะถูกโหลดตามต้องการด้วย read)
• คำสั่งการอัปเดตตนเอง
• Workspace + ไฟล์บูตสแตรป (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, BOOTSTRAP.md เมื่อมีไฟล์ใหม่) ไฟล์ขนาดใหญ่จะถูกตัดทอนด้วย agents.defaults.bootstrapMaxChars (ค่าเริ่มต้น: 20000) 27. ไฟล์ขนาดใหญ่จะถูกตัดทอนโดย agents.defaults.bootstrapMaxChars (ค่าเริ่มต้น: 20000)
• เวลา (UTC + เขตเวลาของผู้ใช้)
• แท็กการตอบกลับ + พฤติกรรมฮาร์ตบีต
• เมทาดาทารันไทม์ (โฮสต์/OS/โมเดล/การคิด)

ดูรายละเอียดครบถ้วนได้ที่ System Prompt

อะไรบ้างที่นับรวมในหน้าต่างบริบท¶

ทุกสิ่งที่โมเดลได้รับจะนับรวมในขีดจำกัดบริบท:

• System prompt (ทุกส่วนที่ระบุไว้ข้างต้น)
• ประวัติการสนทนา (ข้อความผู้ใช้ + ผู้ช่วย)
• การเรียกใช้เครื่องมือและผลลัพธ์ของเครื่องมือ
• ไฟล์แนบ/ทรานสคริปต์ (รูปภาพ เสียง ไฟล์)
• 28. สรุปการบีบอัดและอาร์ติแฟกต์จากการตัดทอน
• ตัวห่อของผู้ให้บริการหรือเฮดเดอร์ด้านความปลอดภัย (มองไม่เห็น แต่ยังถูกนับ)

สำหรับการแยกรายละเอียดเชิงปฏิบัติ (ต่อไฟล์ที่ถูกฉีด เครื่องมือ Skills และขนาด system prompt) ให้ใช้ /context list หรือ /context detail ดู Context 29. ดู Context

วิธีดูการใช้งานโทเคนปัจจุบัน¶

ใช้คำสั่งเหล่านี้ในแชต:

• /status → การ์ดสถานะที่มีอีโมจิ แสดงโมเดลของเซสชัน การใช้บริบท โทเคนอินพุต/เอาต์พุตของการตอบล่าสุด และ ค่าใช้จ่ายโดยประมาณ (เฉพาะ API key)
• /usage off|tokens|full → เพิ่ม ส่วนท้ายการใช้งานต่อการตอบหนึ่งครั้ง ให้กับทุกคำตอบ
• คงอยู่ต่อเซสชัน (บันทึกเป็น responseUsage)
• การยืนยันตัวตนแบบOAuth ซ่อนค่าใช้จ่าย (แสดงเฉพาะโทเคน)
• /usage cost → แสดงสรุปค่าใช้จ่ายภายในเครื่องจากบันทึกเซสชันของOpenClaw

ช่องทางอื่นๆ:

• TUI/Web TUI: รองรับ /status + /usage
• CLI: openclaw status --usage และ openclaw channels list แสดง หน้าต่างโควตาของผู้ให้บริการ (ไม่ใช่ค่าใช้จ่ายต่อการตอบ)

การประเมินค่าใช้จ่าย (เมื่อแสดง)¶

ค่าใช้จ่ายถูกประเมินจากคอนฟิกราคาของโมเดลของคุณ:

models.providers.<provider>.models[].cost

หน่วยเป็น ดอลลาร์สหรัฐต่อ 1M โทเคน สำหรับ input, output, cacheRead และ cacheWrite หากไม่มีข้อมูลราคา OpenClawจะแสดงเฉพาะโทเคน โทเคนแบบOAuth จะไม่แสดงค่าเงินดอลลาร์ 30. หากไม่มีข้อมูลราคา OpenClaw จะแสดงเฉพาะจำนวนโทเคน 31. โทเคน OAuth ไม่เคยแสดงค่าใช้จ่ายเป็นดอลลาร์

Cache TTL และผลกระทบจากการตัดแต่ง¶

32. การแคชพรอมต์ของผู้ให้บริการใช้ได้เฉพาะภายในช่วงเวลา TTL ของแคชเท่านั้น การแคชพรอมป์ต์ของผู้ให้บริการจะมีผลเฉพาะภายในช่วงเวลา cache TTL เท่านั้น OpenClawสามารถ รัน cache-ttl pruning ได้ตามตัวเลือก: ระบบจะตัดแต่งเซสชันเมื่อ cache TTL หมดอายุ จากนั้นรีเซ็ตหน้าต่างแคชเพื่อให้คำขอถัดไปสามารถนำบริบทที่เพิ่งแคชใหม่มาใช้ซ้ำ แทนการแคชประวัติทั้งหมดอีกครั้ง วิธีนี้ช่วยลดค่าใช้จ่ายในการเขียนแคชเมื่อเซสชันว่างนานเกิน TTL 33. สิ่งนี้ช่วยลดต้นทุนการเขียนแคชเมื่อเซสชันไม่ได้ใช้งานเกิน TTL

กำหนดค่าได้ใน Gateway configuration และดูรายละเอียดพฤติกรรมได้ที่ Session pruning

34. Heartbeat สามารถช่วยให้แคช อุ่น ต่อเนื่องข้ามช่วงที่ไม่ได้ใช้งาน ฮาร์ตบีตสามารถช่วยคงแคชให้ อุ่น ข้ามช่วงว่างได้ หาก cache TTL ของโมเดลของคุณคือ 1h การตั้งช่วงฮาร์ตบีตให้น้อยกว่านั้นเล็กน้อย (เช่น 55m) จะช่วยหลีกเลี่ยง การแคชพรอมป์ต์ทั้งหมดซ้ำ ลดค่าใช้จ่ายในการเขียนแคช

35. สำหรับราคาของ Anthropic API การอ่านจากแคชจะถูกกว่าการป้อนโทเคนอย่างมาก ในขณะที่การเขียนแคชจะถูกคิดค่าบริการด้วยตัวคูณที่สูงกว่า สำหรับราคาของAnthropic API การอ่านจากแคชมีราคาถูกกว่าโทเคนอินพุตอย่างมาก ขณะที่การเขียนแคชจะถูกคิดราคาด้วยตัวคูณที่สูงกว่า ดูอัตราล่าสุดและตัวคูณ TTL ได้ที่ เอกสารการตั้งราคาการแคชพรอมป์ต์ของAnthropic: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

ตัวอย่าง: รักษาแคช 1 ชั่วโมงให้คงอุ่นด้วยฮาร์ตบีต¶

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long"
    heartbeat:
      every: "55m"

เคล็ดลับในการลดแรงกดดันด้านโทเคน¶

• ใช้ /compact เพื่อสรุปเซสชันที่ยาว
• ตัดทอนเอาต์พุตเครื่องมือขนาดใหญ่ในเวิร์กโฟลว์ของคุณ
• ทำคำอธิบายSkillให้สั้น (รายการSkillจะถูกฉีดเข้าไปในพรอมป์ต์)
• เลือกใช้โมเดลขนาดเล็กสำหรับงานเชิงสำรวจที่มีความยืดเยื้อ

ดู Skills สำหรับสูตรคำนวณโอเวอร์เฮดของรายการSkillอย่างละเอียด