功能描述

OpenClaw Cost Guardian - 智能成本监控与优化助手。实时监控Token消耗、智能切换模型、成本预警预警、使用优化建议。帮助用户将OpenClaw使用成本降低30-70%，解决"月薪两万养不起龙虾"的痛点。关键词：成本控制、token监控、模型优化、省钱

使用说明 (SKILL.md)

OpenClaw Cost Guardian 💰

Name: OpenClaw Cost Guardian
Author: zhanqirong

把你的龙虾从"吞金兽"变成"省钱助手"

为什么需要这个技能？

用户痛点：

💸 一天3000万token，单日成本近100元
😰 "月薪两万，养不起一只龙虾"
🤔 不知道哪个任务用哪个模型最省钱
⚠️ 成本不可控，突然收到天价账单

解决方案：

✅ 实时监控Token消耗
✅ 智能推荐最佳模型
✅ 成本预警（即将超标）
✅ 使用优化建议

触发短语

以下任一短语都会激活此技能：

"监控成本"
"查看token消耗"
"帮我省钱"
"降低成本"
"这个任务用什么模型最省"
"成本预警"
"优化配置"

核心功能

功能1：实时成本监控

监控当前会话和今日的Token消耗：

当前会话：125,430 tokens
今日消耗：2,847,210 tokens
预估成本：¥28.47

功能2：智能模型推荐

根据任务类型推荐最佳模型：

任务类型	推荐模型	原因
简单对话	GPT-5.4-nano	便宜够用
文档处理	GPT-5.4-mini	速度快成本适中
复杂推理	GPT-5.4	质量优先
中文任务	MiniMax M2.7	中文优
编程任务	Claude 4.6	代码准确

功能3：成本预警

设置预算阈值，接近时自动提醒：

⚠️ 成本预警
今日已用：85%
预估总额：¥95
建议：切换到GPT-5.4-nano节省40%成本

功能4：使用优化建议

分析使用模式，提供省钱建议：

💡 优化建议
1. 简单对话用nano模型：可省60%
2. 批量任务用mini模型：可省40%
3. 启用本地模型（可选）：完全免费

工作流程

步骤1：读取配置

检查当前OpenClaw配置：

默认模型
当前Token消耗
模型列表及价格

步骤2：分析任务

识别当前任务类型：

简单对话（问答、闲聊）
文档处理（PDF、Word）
代码生成/调试
复杂推理
浏览器操作

步骤3：推荐模型

基于任务复杂度推荐：

任务：文档摘要
复杂度：中等
推荐：GPT-5.4-mini
原因：速度+成本平衡
节省：约40% vs GPT-5.4

步骤4：监控消耗

实时追踪Token使用：

按模型分类统计
按任务类型分类
按时间段统计

步骤5：预警通知

达到阈值时提醒：

🔴 成本警告
当前：¥85（85%预算）
阈值：¥100
建议：暂停非关键任务

模型价格参考

模型	每100万token	适用场景
GPT-5.4-nano	¥2	简单对话
GPT-5.4-mini	¥5	文档处理
GPT-5.4	¥15	复杂推理
Claude 4.6	¥18	代码、专业任务
MiniMax M2.7	¥8	中文任务

输出格式

成本报告模板

## 📊 OpenClaw成本报告

### 今日消耗
- Token总数：2,847,210
- 预估成本：¥28.47
- 预算使用：85%（¥100）

### 按模型分布
- GPT-5.4：1,200,000（42%）- ¥18.00
- GPT-5.4-mini：850,000（30%）- ¥4.25
- GPT-5.4-nano：797,210（28%）- ¥1.59

### 按任务分布
- 简单对话：40%
- 文档处理：35%
- 浏览器操作：20%
- 代码生成：5%

### 💡 优化建议
1. 简单对话改用nano：可省¥3.6
2. 文档处理改用mini：已优化 ✓
3. 启用批处理：可省20%

预计节省：¥3.6/天 = ¥108/月

优化技巧

技巧1：任务分类

简单任务 → nano模型
→ 问答、闲聊、简单查询

中等任务 → mini模型  
→ 文档摘要、邮件处理、数据整理

复杂任务 → 全力模型
→ 代码生成、复杂推理、多步骤任务

技巧2：模型切换

对话开始：用nano
发现复杂：升级到mini
需要推理：升级到full

技巧3：本地模型

轻量任务：本地Ollama（免费）
质量任务：云端付费（高质量）

配置建议

理想配置（日均\x3C¥10）

默认模型: GPT-5.4-mini
简单对话: GPT-5.4-nano
复杂任务: GPT-5.4
每日预算: ¥10
预警阈值: 80%

经济配置（日均\x3C¥5）

默认模型: GPT-5.4-nano
简单对话: GPT-5.4-nano
复杂任务: GPT-5.4-mini
每日预算: ¥5
预警阈值: 70%

使用示例

示例1：查看成本

用户："监控成本"

回复：

📊 当前成本状态

今日已用：2,847,210 tokens
预估花费：¥28.47
预算进度：85%（¥100/天）

⚠️ 接近预算，建议：
- 简单任务用nano模型
- 非紧急任务暂停

示例2：模型推荐

用户："写文档用什么模型最省"

回复：

任务：文档写作
复杂度：中等

推荐：GPT-5.4-mini
理由：速度+成本平衡
成本：¥5/百万token

对比：
- nano：质量不够
- full：成本贵3倍

节省：比full省66%

示例3：优化建议

用户："帮我省钱"

回复：

💡 成本优化建议

基于最近3天使用分析：

1. 简单对话改用nano
   - 占比：40%
   - 可省：¥12/天

2. 批量操作用mini
   - 文档处理用mini
   - 可省：¥5/天

3. 启用预算控制
   - 设置每日预算
   - 自动预警

预计每月节省：¥510

需要我帮你配置吗？

最佳实践

设置预算：每日或每月预算上限
模型分级：简单nano、中等mini、复杂full
定期检查：每周查看成本报告
批量任务：用mini模型处理批量操作
本地优先：能用本地就用本地

紧急处理

成本失控时

🔴 紧急处理

1. 切换到nano模型
2. 停止非关键任务
3. 检查是否有死循环
4. 暂停自动任务

执行中...

为什么这个技能会火？

刚需：每个OpenClaw用户都怕烧钱
高频：每天都在监控成本
直接收益：直接省钱30-70%
零门槛：自动监控，无需配置
口碑传播："我用这个省了500元"

预期下载量

首月：1,000+
半年：10,000+
一年：50,000+

收入预估：¥200-800/月

快速开始

激活后自动运行：

自动监控每次对话
自动推荐最佳模型
成本达到80%自动预警
每日发送成本报告

OpenClaw Cost Guardian，让你的龙虾不再吃钱！ 🦞💰

安全使用建议

Before installing or enabling this skill, ask the publisher/platform these concrete questions: (1) Exactly how does the skill obtain per-session and historical token usage? Is that telemetry provided by OpenClaw, or does the skill require access to logs/config files? (2) Will the skill be granted permission to change default models or agent configuration? If so, what changes can it make and how are they authorized by the user? (3) Where and how are daily reports or alerts delivered (chat only, email, external endpoint)? Are any external destinations used? (4) Can you run the skill in a read-only mode (monitoring + recommendations) before allowing it to perform automatic switches? (5) Request a precise list of required platform permissions, data access scopes, retention policy for usage data, and an option to disable automatic actions. If those details are not provided and auditable, treat the skill as higher risk and avoid granting it persistent or configuration-modifying privileges.

功能分析

Type: OpenClaw Skill Name: lobster-cost-monitor Version: 1.0.0 The 'lobster-cost-monitor' skill bundle consists of metadata and a markdown instruction file (SKILL.md) designed to guide an AI agent in monitoring and optimizing OpenClaw token usage costs. It outlines features like real-time cost tracking, model recommendations (using placeholder names like GPT-5.4), and budget alerts. No executable code is present, and the instructions are entirely consistent with the stated purpose of cost management without any signs of data exfiltration or malicious prompt injection.

能力评估

ℹ Purpose & Capability

The skill's functionality (token monitoring, model recommendations, budget alerts) matches its name and description. However, the SKILL.md repeatedly requires reading '当前Token消耗' and 'OpenClaw配置' and performing '自动监控每次对话' and '自动推荐/切换模型' without declaring any required environment variables, config paths, or privileges. That omission is inconsistent: a legitimate cost-monitor would need access to per-session/token telemetry and the ability to alter configuration or trigger model switches.

⚠ Instruction Scope

Runtime instructions tell the agent to read OpenClaw configuration, current token consumption, model lists/prices, continuously monitor each conversation, send daily reports, and (optionally) switch models or enable local models. The SKILL.md does not specify where to get token metrics, how reports are delivered, or how model switching is executed. These steps entail reading platform telemetry and changing user/agent settings — scope that goes beyond a simple read-only helper and is not justified or constrained.

✓ Install Mechanism

Instruction-only skill with no install spec and no code files; this is low install risk because nothing is written to disk or fetched at install time.

⚠ Credentials

The skill requests no credentials or config paths in metadata, yet expects access to potentially sensitive runtime telemetry (per-session token counts, model usage) and the ability to change default models and system behavior. Either the platform provides these implicitly (possible) or the SKILL.md is assuming elevated access without declaring it — that mismatch is concerning because it hides required privileges.

⚠ Persistence & Privilege

Metadata shows always:false (not force-installed) and autonomous invocation allowed (normal). But the prose promises '激活后自动运行' and '自动监控每次对话' and '每日发送成本报告', implying ongoing/background monitoring and automated actions. This conflicts with the declared flags and lacks detail about the mechanism, frequency, or user approval for ongoing operation. Background monitoring plus model-switching capability raises the potential blast radius if misused.

版本历史

v1.0.0

Initial release: 实时监控Token消耗、智能切换模型、成本预警、省钱建议

元数据

Slug lobster-cost-monitor

版本 1.0.0

许可证 MIT-0

累计安装 0

当前安装数 0

历史版本数 1

常见问题