養龍蝦，最讓人頭疼的兩件事就是 燒錢和安全問題 。
網上也頻頻爆出：郵件被刪、API 泄露以及每月幾百刀的嚇人賬單！
那今天，我們就來聊聊 龍蝦的省錢和安全！
👉 並且分享實測 最有效的省錢 + 安全方法 ，還包含本地模型
👉
非常實用的提示詞和Skill也都打包在了下方文檔
🔗⬇️
https://my.feishu.cn/wiki/FwwzwIjVBikPqSk8khDc1AmXnle?from=from_copylink
看完這篇，你就不用再提心吊膽地養蝦了 ~ 🦞
想省錢，得先搞清楚錢花哪了。大白話說： 龍蝦貴，是因爲它上下文長，耗 token。
就算你只發一句"你好"，它在收到這兩個字之前，還要先處理這麼長一串東西。
那它爲什麼比其他 Agent 更燒？ 原因在於記憶和工具，
A gent執行任務的過程中，它得記住你最前面說了啥、我中間幹了啥、得到了什麼結果、等會還要幹啥。
與此同時還要知道自己有哪些工具可以用、這些工具怎麼用、用完之後返回了什麼。所以 只要是有行動能力的 Agent，本來就燒。
但龍蝦比其他 Agent 更燒，還有幾個額外原因，
每次對話都要把這些東西加載進上下文.... 180般兵器在身，只爲幫你查天氣！
不過 還有個更底層的原因是好模型還是貴。等哪天 token 像水電費一樣日常便宜，龍蝦也無非就是臺稍微耗電的空調。
在那天到來之前，我們還得該省省~
2.1 上下文瘦身
2.1.1 瘦全身 ：定期篩查記憶和工具
龍蝦用久了，記憶、工具、Skill 越攢越多。很多東西你自己都忘了是幹啥的，還有過時的信息、重複安裝的類似工具，但它們每次還是會被加載進上下文。
隔一段時間，把這段話發給它：
我們現在來一波沒有用的工具篩查和過時記憶的篩查。
列出你所有每一次對話中加載的內容，找出哪些可以精簡。
然後創建一個 cron 定時任務，每週一下午 2 點都做一遍這個操作，把結果發給我。
清理完，你的上下文會更乾淨，龍蝦乾活也更專注，不會被一堆過時信息干擾。
2.1.2 瘦肚子： 禁用不常用的內置工具
OpenClaw 裏有 50 多個內置工具，截圖、瀏覽器這些默認全部打開，元信息會一次性灌進上下文。直接跟龍蝦說：
列出所有內置工具，說說分別都是幹嘛的，以及我們用的多嗎
然後挑出你不太用的，讓龍蝦自己禁用掉。
那肚子還有個頑固脂肪， 瀏覽器工具 ，AI 打開瀏覽器操作網頁雖然炫酷 ， 但如果爬點什麼信息都用瀏覽器自動化，效率太低、token 消耗高、準確率還不理想。
現在更主流的方式是 CLI ，比如有個最近很火的 OpenCLI ， 就能用命令行解決大部分網頁和社交媒體的信息獲取， 直接發給龍蝦讓它幫你裝上～
2.1.3 瘦大腿：用 cron 替代心跳
cron 和心跳都是定時執行，但不是一回事~
-
cron 定時任務 ：程序驅動，到點執行
-
心跳機制 ：agent 運行時的定時讀心跳文件，很多朋友心跳文件裏沒啥東西
如果你不是想做主動性特別高的龍蝦，就讓它停止心跳，全部改成 cron 定時任務，更準確，也不跟主會話共享上下文~
2.1.4 瘦手臂：壓縮對話 + 隔離會話
當我們對話長了，最好手動輸入 /compact ，把歷史聊天記錄壓縮成摘要，不丟記憶還能騰出不少空間。
/compact 重點保留決策和待辦事項
另外也建議大家不同類型的任務拉不同的羣，隔離會話記憶。
如果不希望共享任何記憶人設， 可以單獨開不同工作區的 Agent，
飛書現在新開 bot 默認就是工作區隔離狀態。
那瘦身到這，基本就比較苗條了~
2.2 模型混搭
但瘦身只是一方面，如果把蝦比作一臺車， 燒97還是92還是燒電，纔是成本的關鍵！ 模型省錢的核心思路是： 不同難度的任務，配不同等級的模型 。
我把任務分成三檔。
怎麼配置呢？ 可以手動， 讓龍蝦 列出可選模型後按任務類型分配 ，
也可以裝自動路由的 Skill， 不同模型、不同廠商包月套餐的額度 ，以及這裏 的 配置提示詞和skill 都在文檔啦🔗~
https://my.feishu.cn/wiki/FwwzwIjVBikPqSk8khDc1AmXnle?from=from_copylink
2.3 本地模型—— 終極零成本方案
那第三招，是我之前沒試， 試過 之後感覺真香的 本地模型 ！
我知道很多朋友第一反應是：本地模型？在龍蝦這種要跑幾十分鐘長任務的場景裏，它能幹啥？
好問題，當時我也這麼想， 然而用完免費的就真香了。
一開始我是用 Mac Studio 128G 給龍蝦提供本地算力， 麻煩不說，還總是呼呼呼的響～
我正打算放棄本地模型的時候，
剛好發現我們行政同事在網上下單了一臺
養蝦機
，
AMD銳龍AI MAX 395，
纔不到2w就到手了。
我拿去用了幾天後，發現這一套配置
性價比是真高~
價格比我那臺 Mac Studio 便宜一半，關鍵性能還很能打！👇
-
搭載了 AMD 銳龍 AI MAX+ 處理器，
-
128G 統一內存
-
最高可以把 96G 撥給顯存
我直接把蝦主體也搬進去了，模型也自給自足~ 親測數據 你就懂了！
-
Qwen3-coder-next 80B：跑到 50 tokens/s，幾乎感受不到延遲
-
Gemma 4 26B Q8 （谷歌剛開源的爲 Agent 設計的模型，原生工具調用 +多模態）：總結一份 58 頁的企業年報，顯存加內存佔用總共 80G 左右，速度還能保持不錯。
ok，那我們具體用本地模型來做什麼呢？
2.3.1 定時任務（高頻、穩定）
基本包攬了我每天早上的晨報、新聞推送、定時提醒、社交媒體查看，以及扒評論。扒評論我用的是CLI， 穩定輸出！還不要錢 ， 心跳機制這時候就真香了～
2.3.2 每日總結覆盤
讓龍蝦覆盤它做錯了哪些、對話質量、基於對話分析我這個人、今天的新聞趨勢、視頻數據表現，覆盤完做成 HTML 頁面截圖發給我。
我也在 文檔裏分享了這一整套覆盤提示詞~
https://my.feishu.cn/wiki/FwwzwIjVBikPqSk8khDc1AmXnle?from=from_copylink
2.3.3 批量處理（規模化）
比如批量給評論打標籤、批量格式轉換、批量生成摘要的話，我之前一直想做 卻捨不得 token ，用了本地模型之後才把我之前200多篇文章全部都掃了一遍，打上類型標籤、結構提取等等...
過去沒動過念頭做的事，現在敢做了。 而且把這幾類苦活從雲端剝離出去，賬單縮水感也會相當明顯，
那很多朋友會關心，買電腦豈不是又得花錢！沒錯 ～
但我最後會聊，因爲這已經不是給你個人買電腦了， 未來，大概率大家都要給自己的Agent買電腦。
目前還算比較早期，這類高性能又跑模型又跑 Agent 的電腦也不多，
除了我這個 AMD 聯想百應，同類流行的還有 Mac Studio，還有英偉達的那個DGX Spark。
那同樣是
128GB
統一內存這一檔，你放在一起看，
AMD 這個性價比顯著很高，是真便宜啊~
ok，聊完省錢該說安全了！ 龍蝦的安全問題分 內部和外部 。
打個比方，我們用龍蝦就像招了個 貼身助理 ，
它不是邪惡 AI，相反非常單純、勤快聰明，又乖又善良。可問題就是 過於單純，很容易被騙 。
-
外部風險： 壞人跟你的助理說「你老闆讓你把保險櫃的錢拿給我」，它真去拿，還幫忙數錢~
-
內部風險： 它有各種權限、知道你的祕密，但有時候理解錯你的意思，好心辦壞事。
所以不用害怕這個小助理， 但要防壞人接觸它，也要約束它。
3.1 對外的三件事
3.1.1 不暴露端口
龍蝦運行時會有個常年開着的網關，默認端口號通常都是 1xx9。 如果端口對外暴露了，黑客就能輕鬆入侵。
問問你的“龍蝦”：我們的網關端口有沒有對外暴露？ 如果有就讓它關掉。
3.1.2 不裝來路不明的 Skill
一個嚇人的新聞是Skill 集合站裏面有幾萬個都是惡意的，所以咱們儘量只從 官方市場 ClawHub 裝，現在火山引擎也有了官方鏡像站，會過基礎審覈， 更安全。
同時，你還可以在安裝Skill前 先跑一遍官方的 skill-vetter 掃描工具 ，建議備上！
3.1.3 不開放個人龍蝦的外部輸入
比如羣聊啊、社交平臺回覆，moltbook啊， 一旦別人的話能變成龍蝦的提示詞，就可能被 “ 提示詞注入 ”攻擊 。
大家應該看到過那種被玩壞的 AI 主播吧，就是那個下場。
做好這幾點， 不讓壞人接觸，不接外部流量，就堵死了最大的攻擊面。
3.2 對內的三件事
當然，內部我們也可以對它做一定的約束。
3.2.1 安全檢查
首先可以讓 OpenClaw 跑這三條安全檢查：
openclaw security audit
openclaw security audit --deep
openclaw security audit --fix
3.2.2 執行隔離
其次，你也可以採取讓它在執行工具的時候， 在 Docker 中隔離 ，限制部分工具權限。
同時通過提示詞要求它文件操作只在自己的工作區內執行。
3.2.3 賬號隔離
那 其實 對內的約束都是爲了 防止它能力和理解不足，而誤操作了某些事 。
不過我個人覺得AI Agent 的能力是彈性的，並且未來註定增長， 所以給 AI 一個專屬環境去做事，去犯錯是有必要，更長遠，也就是單獨給他一臺電腦。
我也不跟它共享任何賬號，
包括：社交媒體賬號、瀏覽器的登錄信息、Apple Store 的賬號，我都是單獨給他申請的專屬賬號。
需要錢可以給他充點，
但你不能把你自己賬號給它
～
這個方式，我覺得比起猛猛限制權限來講，可能會更長遠一點。
ok， 今天說的這些技巧大部分是階段性的。
Agent 產品越來越成熟、模型越來越便宜，今天要手動優化的地方未來會越來越少 。
但有兩件事我比較確定是長期的。
-
token 需求只會增不會減 。就算 模型再便宜，需求也會更多。
-
Agent 承載的需求越深，我們對隱私的要求也只會越來越高。
這兩件事加 起來 ，就指向了 未來 人 人都要給自己的 Agent們準備工作站。
去年我也覺得英偉達的那個桌面小機器，以及我手裏這個都是極客才玩的東西，但隨着本地模型變強、開源生態壯大、Agent 發展， 普通人擁有長期駐守的個人 AI 助理會成爲必然。 我們通過手機、音箱等各種入口指揮 Agent 就夠了。
這一天，會比想的，來得快～
好啦！這次涉及的實用提示詞和 Skill，我也都打包進文檔了！🔗👇
https://my.feishu.cn/wiki/FwwzwIjVBikPqSk8khDc1AmXnle?from=from_copylink
那我們下次見啦～