前幾天，我統計了一下各種Agent的token消耗賬單。

心理有預期，但還是有點嚇到我了。知道自己花了錢，但不知道花了這么多，甚至想不起來都花在了哪......

我身邊的養蝦人、養馬人也是一樣，經常吐槽某個任務又花了多少token。更多人一開始興奮安裝，驚喜試用，幾天后默默關掉。不是不好用，是真不敢一直用。每次讓Agent干活前都得想，這次又要燒多少token？

這兩天，我終于發現了一個在意咱錢包的Agent，叫OpenClacky。主打一個省token，并且能力對齊最強智能體Claude Code。

同樣三個真實工作任務，同一個模型，同一套Skill，同一時間段跑完。OpenClacky總花費5.10美元。對比之下，OpenClaw花了15.70美元，Hermes Agent花了30.14美元。

也就是說，干同樣的活，OpenClacky的賬單是Hermes的六分之一，OpenClaw的三分之一。

甚至比公認全球頂級的閉源產品Claude Code還便宜一點點，上面的任務CC是5.49美元。

這不是一個"便宜但能力打折"的故事。它的任務完成質量和Claude Code在同一水平線上。

比如做一個商務PPT，這是OpenClacky做的：

這是CC做的：

怎么樣，難分伯仲吧。

下面帶大家實測一波～

安裝賊方便，在官網下載客戶端，有技術基礎的小伙伴可以直接命令行安裝，https://www.openclacky.com/#install。

然后選擇供應商，輸入對應的key就搞定了，全程無卡點，比OpenClaw安裝容易太多了。

還有一個好處，就是可以直接選擇OpenClacky官方供應商，提供了各家頂級大模型，不用擔心被封，不用來回切換API，非常之方便。

我們讓它做一個品牌視覺設計公司的網站。

整個任務執行過程，很絲滑。一是速度非常快，只用了兩分鐘。二是執行中沒有暫停，一步到位，用出了通用模型的省心感。三是UI設計舒適，主次分明，讓你能直觀看出執行細節和進度。

比較特別的一點是，執行過程中的每一步，以及完成后，都會標出具體花費。不是算不明白的token量，是美元。再也不用盯著模型后臺的余額了。

做一個完整的網站UI，只花了2刀。而且對比OpenClaw，真的省心。說實話，用OpenClaw做任務很磨人，用過的都知道。

我們看看效果：

不錯吧，整體設計很有活力，功能完整，動態效果也蠻搭配的。

再來做一個很燒token的任務，獲取AI前沿資訊。

給OpenClacky一份我常瀏覽并能成功爬取的資訊網站，讓它獲取3日內的AI資訊，并制作一個公眾號選題表。

這個任務看似簡單，實則很繁瑣，成功率也難以保證。因為每個網站的安全機制不同，要想獲取信息可能會嘗試RSS、Crawl4AI、Headless Browsing等多種抓取策略，并且信息量很高，很考驗Agent的執行策略和嚴謹度。

OpenClacky成功抓取了27個網站，對比其他Agent，這個成功率已經算很高了。

重要的是，竟然只花了不到2刀！我用OpenClaw，這個任務一般花費在20刀左右，差距著實有點懸殊。

而且效果很頂，之前用OpenClaw，會忽略很多資訊，數量通常在20條左右。OpenClacky抓的挺全，46條，基本沒有錯誤。

反正幾輪體驗后，我是打算投奔OpenClacky了。

那OpenClacky咋做到便宜又好用的呢？

先說一個反直覺的事實：Agent貴，往往不是因為模型貴，而是上下文管理的粗糙。

每次你跟Agent對話，它都要把之前的對話歷史、系統提示詞、工具描述一股腦塞給模型。如果這些內容能命中緩存，你只需要付很少的錢。如果命中不了，你就在為重復的信息反復買單。

就好比你每天去同一家咖啡店，但每次都要說一遍美式、全冰、無糖、打包。

這就是OpenClacky做的第一件事，是把緩存命中率逼到接近100%。

創始人李亞飛在訪談里說了一句話：緩存命中率不是調出來的，是設計出來的。

那是咋設計的呢？核心原則只有一條：Session不重啟，系統提示詞不變。

聽起來簡單，做起來極難。因為Agent在運行過程中，Skill會重新加載，模型可能切換，上下文需要壓縮。大多數Agent遇到這些變化，就直接重啟Session，緩存全部清零，從頭開始計費。

OpenClacky的做法是，把這些動態變化通過一個獨立的session context機制插入對話流，而不是去改動系統提示詞本身。這樣一來，緩存的錨點始終有效，不會因為一次配置變化就全部失效。

它還做了一個叫"雙重緩存標記"的設計。普通做法是只標記最后一條消息，但這會導致下一輪對話時標記丟失，緩存失效。OpenClacky同時標記最后兩條消息，確保即使對話往前推進，緩存依然能命中。

第二件事，是工具數量的克制。

你是不是每次安裝Agent前，都先安一大堆Skill、插件。平時聽說哪個好用，也不考慮實不實用，先安上再說。

可實際卻是，Agent的工具越多，每次請求就越貴。

因為每個工具都有自己的schema描述，不管你這次用不用得上，它都會被塞進上下文里，占token。你裝了52個工具，哪怕只用了3個，另外49個的描述也在默默燒錢。

Hermes Agent有52個內置工具。Claude Code有40多個。OpenClaw有23個，加上插件和MCP能到50個。

OpenClacky只有16個。

這不是因為它功能少。它的做法是把一個叫invoke_skill的元工具放在核心位置。需要什么能力，就通過這個入口去調用對應的Skill。Skill可以無限擴展，但核心工具列表始終保持精簡，schema不膨脹，緩存不受影響。

16個工具跑贏52個工具。這不是少做功能，是架構層面的選擇。

第三件事，是不為你的離開買單。

真實場景里，沒有人會連續跟Agent對話三小時不停。你會去開會，去喝咖啡，去午休。回來之后繼續讓它接著干活。

很多Agent在你離開的這段時間里，依然保持著完整的長上下文。等你回來，它把所有歷史一股腦塞回模型，你為"等你回來"這件事付了錢。這部分浪費，可能占到整段任務成本的30%以上。

OpenClacky會在空閑期自動壓縮上下文，只保留關鍵的任務狀態、文件變化、決策過程和下一步動作。而且壓縮本身也不額外開一次模型調用，而是插入當前對話流里完成，讓已有緩存繼續復用。

你去喝咖啡的時間，不再是token燃燒的時間。

第四件事，是把模型選擇權還給用戶。

閉源訂閱的問題在于，你既不知道它怎么計費，也控制不了它用什么模型干什么活。OpenClacky走的是BYOK路線，Bring Your Own Key。

你可以用Claude寫復雜代碼，讓子任務走DeepSeek或者Kimi。主任務用強模型保證質量，輕任務用便宜模型控制成本。不是單純換個便宜API，而是把任務拆分和模型選擇的決策權交回你手里。

這四件事疊在一起，不是某個單項指標的極端優化，而是一種系統性的工程哲學。

李亞飛管這叫"不偏科"。不盲目堆工具，不盲目搞多Agent編排，不盲目追求某個單項數據好看。而是讓真實任務的總賬單降下來。

Claude Code在部分任務上的緩存命中率確實比OpenClacky高。比如PPT任務和社媒任務里，Claude Code的命中率更高。但最終用戶付錢看的不是單項指標，而是總成本。成本是由請求數、單次prompt規模、工具schema、緩存命中率和任務完成穩定性共同決定的。

OpenClacky用51次請求完成了三個任務。Hermes用了218次。請求少，每次請求又輕，緩存又穩，三者相乘，自然省了不少token。

但如果OpenClacky只是一個"更便宜的Agent"，這篇文章大概寫到這里就可以結束了。

讓我更感興趣的是，是它在省token之外做的另一件事：Skill經濟。

OpenClacky想讓Skill變成可以加密、可以定價、可以售賣的產品。

具體來說，一個律師可以把自己十年的合同審查經驗封裝成一套Skill，包含審查流程、風險判斷標準、文書模板、交付規范。然后通過OpenClacky的平臺加密分發，按License授權給其他律師使用。

這不是一個簡單的"Skill商店"。李亞飛的說法是，OpenClacky更像創作者的技術合伙人。創作者提供行業經驗和方法論，OpenClacky提供底層Agent能力、分發渠道、加密保護和升級機制。

他們已經有了一個真實案例：一位律師做的"青獅龍蝦"，把16個法律相關Skill打包在一起，已經賣了不少單。還有金融方向、知識管理方向的產品在陸續上架。

AI Agent上半場爭的是能力。誰更聰明，誰能做更多事，誰更像一個全能助手。這個階段的贏家是Claude Code，是各種花哨的多Agent編排。

但下半場爭的是賬單。

因為能力再強，如果你不敢每天開著用，它就永遠只是一個偶爾請出來的昂貴工具，而不是真正的個人助理。

個人Agent的門檻，從來不是智能。是可持續使用。最好的架構，不是盲目追求復雜。而是在克制中，把每一個token都用在刀刃上。

當你不再為每一次對話心疼的時候，你才第一次真正擁有了一個Personal Agent。

別讓賬單，成為你和AI之間最大的距離。

官網：

https://www.openclacky.com

Benchmark：

https://www.openclacky.com/benchmark

創作者計劃：

https://www.openclacky.com/creators

GitHub：

https://github.com/clacky-ai/openclacky

如果你有任何看法，歡迎在評論區一起討論

如果有一點收獲，可以點贊、轉發、推薦文章，關注「AI機器人茶館」