Token优化OpenClaw

OpenClaw内存优化实战：我是如何把内存占用从80%降到30%的

by admin

我花了两周时间测试各种优化方案，发现了一个让系统速度提升3倍的秘密

前言：

一个让人头疼的问题

OpenClaw用久了越来越卡，内存占用越来越高，最后只能重启Gateway？

我之前也是这样。刚开始还挺流畅，用了一段时间后，响应速度明显变慢，打开任务管理器一看，内存占用已经到了80%。

更糟糕的是，我尝试了各种方法：

  • ❌ 重启Gateway（只能临时解决）
  • ❌ 增加内存条（治标不治本）
  • ❌ 删除Agent和Skill（影响功能）

直到我发现了一个关键问题：

⚽

内存问题不是OpenClaw的问题，而是配置的问题。

经过两周的测试和优化，我把内存占用从80%降到了30%，系统速度提升了3倍。

今天我把这些经验整理出来，分享给你。

先说个重要的认知误区

很多人以为内存优化就是”减少功能”，这个理解完全错了。

真正的内存优化应该遵循三个原则：

  1. 1.按需加载：不用的东西不要加载
  2. 2.及时释放：用完的东西要及时释放
  3. 3.避免重复：同样的东西不要加载多次

我发现大部分人的内存问题都是因为没有遵循这三个原则。

问题诊断：内存都去哪儿了？

在优化之前，我先做了一次全面的诊断。

诊断方法1：观察内存占用

# 查看Gateway进程内存占用
Get-Process|Where-Object{$_.ProcessName-like"*node*"} |Format-TableProcessName, Id, WS

# 持续监控（每5秒刷新一次）
while($true) {
 Clear-Host
 Get-Process|Where-Object{$_.ProcessName-like"*node*"} |Format-TableProcessName, Id, WS
 Start-Sleep-Seconds5
}

发现的问题：

  • Gateway进程：占用1.2GB
  • 多个Agent进程：每个200-500MB
  • 总内存占用：超过3GB（我的电脑只有8GB内存）

诊断方法2：分析Agent配置

我逐个检查了11个Agent的配置，发现了几个问题：

问题1：所有Agent都加载了全部Skills

# writer Agent配置（优化前）
skills:
-feishu-create-doc
-feishu-update-doc
-feishu-fetch-doc
-feishu-bitable
-feishu-im-read
-article-creation
-content-creation-flow
-image-prompt
# ... 还有20多个

问题2：所有Agent都常驻内存

# 所有Agent配置
mode:"always-running"# 一直运行

问题3：重复加载公共Skills

  • feishu-create-doc被5个Agent加载
  • web-search被4个Agent加载
  • memory-save被3个Agent加载

诊断方法3：查看Skill加载日志

# 查看Gateway日志
Get-Content"C:\Users\Administrator\.openclaw\logs\gateway.log"|Select-String"skill loaded"|Measure-Object

发现的问题：

  • 总共加载了156个Skill实例
  • 实际只有30个不同的Skill
  • 平均每个Skill被加载了5次

优化方案1：按需加载Agent

这是最有效的优化，效果立竿见影。

优化前：所有Agent常驻内存

# 所有Agent配置
mode:"always-running"

问题：

  • 11个Agent × 平均300MB = 3.3GB
  • 即使不用也占用内存

优化后：按需启动

# 主控Agent（dajia）
mode:"always-running"# 主控需要常驻

# 专业Agent（writer、coder、researcher）
mode:"on-demand"# 按需启动
idle_timeout:300# 5分钟无任务后自动退出

# 支持Agent（feishu、obsidian）
mode:"on-demand"
idle_timeout:600# 10分钟无任务后自动退出

# 专用Agent（weather、clawsec）
mode:"on-demand"
idle_timeout:180# 3分钟无任务后自动退出

效果：

  • 常驻Agent：1个（主控）× 300MB = 300MB
  • 按需Agent：只在需要时启动
  • 内存节省：约2GB

优化方案2：Skill精确配置

不要给每个Agent都配置所有Skills，只配置必需的。

优化前：全量配置

# writer Agent（优化前）
skills:
-feishu-create-doc
-feishu-update-doc
-feishu-fetch-doc
-feishu-bitable
-feishu-im-read
-feishu-task
-feishu-calendar
-article-creation
-content-creation-flow
-image-prompt
-web-search
-summarize
-memory-save
# ... 还有20多个

问题：

  • 加载了30多个Skills
  • 其中很多根本用不上

优化后：精确配置

# writer Agent（优化后）
skills:
# 核心Skills（必需）
-article-creation
-content-creation-flow

# 飞书Skills（必需）
-feishu-create-doc
-feishu-update-doc

# 可选Skills（按需）
-image-prompt
-summarize

# 不再需要的Skills
# - feishu-bitable   # 不用多维表格
# - feishu-im-read   # 不读取消息
# - feishu-task     # 不用任务管理
# - feishu-calendar   # 不用日历
# - web-search     # 不需要搜索
# - memory-save     # 主控负责保存

原则：

  • 只配置必需的Skills
  • 不确定是否需要就不要配置
  • 可以通过主控Agent调用其他Agent

效果：

  • Writer Agent：从30个Skills降到8个
  • 内存节省：约40%

优化方案3：公共Skill共享

避免多个Agent重复加载相同的Skills。

优化前：重复加载

feishu-create-doc被加载：
├─ writer Agent
├─ researcher Agent
├─ 主控Agent
├─ feishu Agent
└─ content-collector Agent

问题：

  • 同一个Skill被加载5次
  • 每次占用50MB
  • 总计：250MB

优化后：集中调用

feishu-create-doc只被：
└─ feishu Agent（专用）

其他Agent通过主控调用：

Writer Agent需要创建文档
  ↓
调用主控Agent
  ↓
主控调用feishu Agent
  ↓
返回结果给Writer

配置方法：

# writer Agent（不直接加载feishu Skills）
skills:
-article-creation
-content-creation-flow
# 不再直接加载feishu-create-doc

# 主控Agent（负责调度）
skills:
-agent-dispatch
-feishu-create-doc# 主控加载

# feishu Agent（专用）
skills:
-feishu-create-doc
-feishu-update-doc
-feishu-bitable
-feishu-im-read

效果：

  • feishu-create-doc：从5次降到1次
  • 内存节省：约200MB

优化方案4：定时任务优化

定时任务如果配置不当，会持续占用内存。

优化前：任务重叠

00:00 - Gateway Watchdog（每5分钟）
02:05 - 连接检查（每2小时）
03:00 - AI新闻搜集
03:00 - 飞书数据同步 # 与AI新闻同时执行
03:30 - 系统健康检查
06:00 - Gateway重启

问题：

  • 03:00有两个任务同时执行
  • 导致内存占用飙升

优化后：错峰执行

00:00 - Gateway Watchdog（每5分钟）
02:05 - 连接检查（每2小时）
02:30 - AI新闻搜集 # 从03:00提前
03:00 - 飞书数据同步
03:30 - 系统健康检查
06:00 - Gateway重启

配置方法：

# AI新闻搜集（从03:00改到02:30）
$trigger=New-ScheduledTaskTrigger-Daily-At"02:30AM"
$action=New-ScheduledTaskAction-Execute"pwsh.exe"-Argument"-NoProfile -ExecutionPolicy Bypass -File C:\Users\Administrator\.openclaw\workspace-writer\scripts\daily-ai-news-simple.ps1"
Register-ScheduledTask-TaskName"OpenClaw AI News"-Trigger$trigger-Action$action

效果：

  • 避免任务重叠
  • 峰值内存降低：约30%

优化方案5：会话记忆管理

会话记忆如果无限增长，会占用大量内存。

优化前：无限增长

# 所有Agent配置（优化前）
memory:
type:"full"# 保存全部记忆
window:-1 # 无限制

问题：

  • 长期会话积累了数万条记忆
  • 每条记忆平均1KB
  • 总计：数百MB

优化后：智能裁剪

# 主控Agent
memory:
type:"summary"# 摘要模式
window:200  # 保留最近200条
prune_threshold:0.6# 相似度阈值

# 专业Agent（writer、coder）
memory:
type:"summary"
window:100  # 专业Agent不需要太多记忆
prune_threshold:0.7

# 专用Agent（weather、clawsec）
memory:
type:"none"  # 不需要记

效果：

  • 主控Agent：从5000条降到200条
  • 内存节省：约150MB

优化方案6：日志清理

日志文件如果不清理，会占用大量磁盘空间，间接影响内存。

优化前：日志无限增长

logs/
├── gateway.log（500MB）
├── agent-dajia.log（300MB）
├── agent-writer.log（200MB）
└── ...

问题：

  • 日志文件越来越大
  • 影响系统性能

优化后：自动清理

# scripts\log-cleanup.ps1

# 清理7天前的日志
$logPath="C:\Users\Administrator\.openclaw\logs"
$cutoffDate= (Get-Date).AddDays(-7)

Get-ChildItem$logPath-Filter"*.log"|Where-Object{
 $_.LastWriteTime-lt$cutoffDate
} |Remove-Item-Force

Write-Host"日志清理完成：$cutoffDate之前的日志已删除"

配置定时任务：

# 每周日03:00清理日志
$trigger=New-ScheduledTaskTrigger-Weekly-DaysOfWeekSunday-At"03:00AM"
$action=New-ScheduledTaskAction-Execute"pwsh.exe"-Argument"-NoProfile -ExecutionPolicy Bypass -File C:\Users\Administrator\.openclaw\workspace-writer\scripts\log-cleanup.ps1"
Register-ScheduledTask-TaskName"OpenClaw Log Cleanup"-Trigger$trigger-Action$action

效果：

  • 日志文件保持在合理大小
  • 磁盘空间节省：约1GB

优化效果对比

内存占用

响应速度

实战：如何一步步优化？

步骤1：诊断问题

# 1. 查看当前内存占用
Get-Process|Where-Object{$_.ProcessName-like"*node*"} |Format-TableProcessName, Id, WS

# 2. 分析Agent配置
Get-ChildItem"C:\Users\Administrator\.openclaw\agents"-Recurse-Filter"IDENTITY.md"|ForEach-Object{
 Write-Host"Agent: <equation>(</equation>_.Directory.Name)"
 Get-Content$_.FullName |Select-String"skills"
}

# 3. 统计Skill加载
Get-Content"C:\Users\Administrator\.openclaw\logs\gateway.log"|Select-String"skill loaded"|Measure-Object

步骤2：优化Agent配置

从最常用的Agent开始优化：

优先级1：主控Agent（dajia）

mode:"always-running"# 保持常驻
memory:
type:"summary"
window:200
skills:
-agent-dispatch
-task-breakdown
-error-recovery
# 只保留核心Skills

优先级2：高频Agent（writer）

mode:"on-demand"
idle_timeout:300
skills:
-article-creation
-feishu-create-doc
-feishu-update-doc
# 精简到5个以内

优先级3：低频Agent（weather）

mode:"on-demand"
idle_timeout:180
skills:
-weather
# 只保留1个

步骤3：测试效果

# 重启Gateway
openclaw gateway restart

# 等待启动完成
Start-Sleep-Seconds10

# 查看优化后的内存占用
Get-Process|Where-Object{$_.ProcessName-like"*node*"} |Format-TableProcessName, Id, WS

# 测试Agent响应
Measure-Command{
 # 测试主控Agent
 echo"测试消息"| openclaw test--agentdajia
}

步骤4：持续监控

# 创建监控脚本
# scripts\memory-monitor.ps1

while($true) {
 Clear-Host
 Write-Host"内存监控 -$(Get-Date -Format 'HH:mm:ss')"
 Write-Host"================================"

  <equation>processes =Get-Process|Where-Object{</equation>_.ProcessName-like"*node*"}
 $totalMemory= ($processes|Measure-Object-PropertyWS-Sum).Sum /1MB

  <equation>processes |Format-TableProcessName, Id,@{Name="Memory(MB)"; Expression={[math]::Round(</equation>_.WS/1MB,2)}}

 Write-Host"总计:$([math]::Round($totalMemory,2)) MB"
 Write-Host"占用率:$([math]::Round($totalMemory/8*100,1))%"# 假设8GB内存

 Start-Sleep-Seconds5
}

优化前后对比:

我的踩坑记录

坑1：过度优化

问题：把所有Skills都删了，只保留最基本的

现象：

  • 内存确实降了
  • 但功能严重受限
  • 很多任务无法完成

解决：在功能和内存之间找平衡点

坑2：idle_timeout设置太短

问题：把idle_timeout设成60秒

现象：

  • Agent频繁启动退出
  • 响应变慢
  • CPU占用升高

解决：根据使用频率设置合理的超时时间

  • 高频Agent（writer）：5-10分钟
  • 中频Agent（coder）：10-15分钟
  • 低频Agent（weather）：3-5分钟

坑3：忘记测试

问题：改完配置直接重启

现象：

  • 某些功能无法使用
  • Agent调用失败
  • 只能回滚配置

解决：先在测试环境验证，再应用到生产环境

坑4：一刀切

问题：所有Agent都用相同的配置

现象：

  • 高频Agent响应变慢
  • 低频Agent占用过多内存

解决：根据Agent的特点定制配置

优化后的配置清单

主控Agent

name:"dajia"
mode:"always-running"
memory:
type:"summary"
window:200
prune_threshold:0.6
skills:
-agent-dispatch
-task-breakdown
-error-recovery
-feishu-create-doc# 用于数据同步

Writer Agent

name:"writer"
mode:"on-demand"
idle_timeout:300
memory:
type:"summary"
window:100
prune_threshold:0.7
skills:
-article-creation
-content-creation-flow
-feishu-create-doc
-feishu-update-doc
-image-prompt

Coder Agent

name:"coder"
mode:"on-demand"
idle_timeout:600
memory:
type:"summary"
window:50
prune_threshold:0.8
skills:
-coding-agent
-github
-node-connect

Weather Agent

name:"weather"
mode:"on-demand"
idle_timeout:180
memory:
type:"none"
skills:
-weather

配置对比表:

写在最后

内存优化不是一劳永逸的，而是持续的过程。

我的优化经历经历了三个阶段：

阶段1：诊断期（2天）

  • 全面分析内存占用
  • 找出问题根源
  • 制定优化方案

阶段2：优化期（1周）

  • 逐步调整配置
  • 测试优化效果
  • 解决出现的问题

阶段3：监控期（持续）

  • 持续监控内存占用
  • 根据使用情况调整
  • 保持系统在最佳状态

我的建议是：

  1. 1.先诊断再优化：不要盲目优化
  2. 2.逐步调整：不要一次改太多
  3. 3.持续监控：内存优化是持续的过程
  4. 4.平衡功能和性能：不要为了优化而牺牲功能

记住一个原则：

内存优化的目标不是”越低越好”，而是”够用就好”。

你的OpenClaw系统现在内存占用多少？有没有遇到过卡顿的问题？

评论区告诉我你的情况，我们一起优化。

如果这篇文章对你有帮助，收藏备用，下次优化内存时用得上。

明天我继续分享”OpenClaw Skills开发最佳实践”，把我开发30+个Skills的经验写出来。

本文作者：大象AI共学–推动让普通人轻松上手AI#AI#Agent#OpenClaw

相关阅读：

  • OpenClaw必建的几个Cron Job
  • OpenClaw中SOP既是展开的Skill，Skill也是打包的SOP
  • OpenClaw Agent设计模式：我是如何设计11个专业Agent的

Related Posts