toclaw token 消耗过高主因是提示词缓存未生效，需五步优化：一、启用 prompt caching 并设 cacheretention 为 long；二、配置 55 分钟 heartbeat 保活；三、精简 agents/soul/memory.md 文件；四、启用 memory distillation 蒸馏策略；五、隔离大输出工具调用。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用 ToClaw 时发现 Token 消耗远超预期，尤其是重复请求中输入内容几乎一致却仍被全额计费，则很可能是提示词缓存未生效或配置不当。以下是实现提示词缓存高效运行的具体操作路径：
一、启用 Prompt Caching 并配置缓存保留策略
Prompt Caching 的核心机制是将重复的输入内容标记为可复用缓存块，首次写入按标准价格计费，后续读取仅收取约十分之一费用。对 Anthropic Claude 系列模型尤为显著，需显式声明缓存生命周期。
1、打开 ToClaw 配置文件中的 models 区段，定位到目标模型（如 anthropic/claude-opus-4-6）。
2、在该模型的 params 对象内添加或修改以下字段：
"cacheRetention": "long"。
3、确保 maxTokens 值不低于当前典型上下文长度，建议设为 65536 以避免缓存截断。
二、设置 Heartbeat 保活机制防止缓存失效
默认缓存有效期为 1 小时，若两次请求间隔超过该时限，缓存将被清除并触发全额重写。通过 Heartbeat 定期轻量刷新，可维持缓存处于 Warm 状态，从而持续享受低价读取。
1、在 ToClaw 的全局配置中找到 heartbeat 设置项。
2、将心跳触发间隔设为 55 分钟，略低于官方 60 分钟 TTL，确保连续覆盖。
3、确认 heartbeat 请求所用模型为轻量级本地模型（如 ollama/phi3），避免高成本模型执行低智任务。
三、精简注入式上下文文件以提升缓存命中率
Workspace 中的 MEMORY.md、SOUL.md、AGENTS.md 等文件每次均完整注入，若含大量冗余文本，会导致缓存块过大、变化频繁，显著降低复用概率。精简后可使相同语义请求更易匹配已有缓存。
1、打开 AGENTS.md，删除未启用的群聊规则、TTS 描述及废弃功能说明，压缩至 800 tokens 以内。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
2、编辑 SOUL.md，仅保留角色定义、核心能力边界与响应原则，控制在 300–500 tokens 范围。
3、清理 MEMORY.md 中过期日志条目，移除 YYYY-MM-DD.md 中超过 7 天的历史记录文件。
四、启用 Memory Distillation 配合缓存协同降本
单纯缓存无法解决长对话历史导致的输入膨胀问题。Memory Distillation 将多轮原始消息蒸馏为语义等价的摘要，大幅缩小输入体积，使缓存块更小、更稳定、更易复用。
1、在 ToClaw 配置的 memory 区段下添加蒸馏策略：
strategy: distill。
2、设定保留最近 5 轮完整消息，其余自动压缩为摘要。
3、指定蒸馏模型为 gpt-4o-mini，并设置每 10 条消息触发一次蒸馏。
五、隔离大输出工具调用避免污染缓存
执行 config.schema、status --all 或全文读取大文件等操作会产生数千 token 的不可控输出，这些内容若进入上下文，会破坏缓存一致性，导致后续请求无法命中已有缓存块。
1、新建独立会话专用于调试类命令，不与日常任务会话混用。
2、对需检索的知识库，改用 qmd 工具进行本地语义切片，仅向 ToClaw 提供前 3 个相关片段而非整份文档。
3、在工具调用前添加预检逻辑：当预期输出长度 > 1000 tokens 时，自动拒绝注入上下文，转为异步摘要返回。
