一个用于多 Agent AI 工作流的分层模型选择和成本优化框架。
从源直接安装技能的最快方式。
npx clawhub@latest install agent-cost-strategy
将技能文件夹复制到以下位置之一
~/.openclaw/skills/ <project>/skills/ 优先级:工作区 > 本地 > 内置
将此提示词复制到 OpenClaw 即可自动安装。
请帮我使用 Clawhub 安装 agent-cost-strategy。如果尚未安装 Clawhub,请先安装(npm i -g clawhub)。
获取包含原生技能文件的ZIP压缩包。
Agent Cost Strategy 是一个专门设计的框架,旨在通过智能地将任务路由到最具成本效益的模型类别来最大限度地减少 API 支出。在 Openclaw Skills 生态系统中,该策略将 AI 模型分为 Fast/Cheap、Mid-tier 和 Powerful 层级,确保根据任务复杂度分配资源,而不是为每次交互都默认使用昂贵的模型。
通过专注于 prompt caching 和明确的 sub-agent 配置,此 skill 帮助开发人员避免在长会话或自动化后台任务期间发生的常见成本泄漏。它优先保持会话活跃,以利用 cache hits,在初始上下文建立且缓存预热后,这可以将输入成本降低高达 90%。
要将此策略集成到您的工作流中,您必须在配置或会话启动命令中明确定义模型。对于 Openclaw Skills 实现,请使用以下模式:
# 在启动 sub-agent 时显式设置模型以避免成本泄漏
sessions_spawn --model "claude-3-haiku-20240307" --task "fix failing tests"
确保您的 heartbeat 间隔配置在提供商的缓存 TTL 之下,以维持预热缓存状态。
Agent Cost Strategy 使用分层路由表来组织模型使用和元数据分类:
| Tier | Purpose | Recommended Models |
|---|---|---|
| Fast/Cheap | 自动化修复、sub-agents、简单查询、cron 任务 | Claude Haiku, GPT-4o-mini, Gemini Flash |
| Mid-tier | 会话对话、规划、中等推理 | Claude Sonnet, GPT-4o, Gemini Pro |
| Powerful | 深度代码审查、复杂架构、升级 | Claude Opus, GPT-4.5, Gemini Ultra |
成本效率通过 cache-hit 率和模型分布指标(例如,Haiku 和 Sonnet 之间 80/20 的目标比例)进行追踪。
加载中
一个高性能的 API 技能,通过简单的 curl 命令从 20 多个社交媒体平台提取公开数据、个人资料和转录文本。

一个云端驱动的 AI 代理技能,可在 60 秒内将照片转换为专业的 1080p Facebook 幻灯片视频。








































