Comment j’ai réduit de 90 % l’usage des tokens OpenClaw (avec les modèles les moins chers)

Mon tableau de bord OpenRouter affichait 47 $ dépensés avant même le déjeuner, un mardi. J’avais à peine lancé une douzaine de tâches de code — rien d’extravagant, juste un peu de refactoring et quelques corrections de bugs. C’est là que j’ai compris que les réglages par défaut d’OpenClaw redirigeaient discrètement chaque interaction, y compris les pings de fond, vers Claude Opus à plus de 15 $ par million de tokens.

Si vous avez déjà vécu ce genre de mauvaise surprise — et d’après les forums, vous n’êtes clairement pas seul (« I already spend 40 dollars and doesn't even use it much », écrivait un utilisateur) — ce guide vous montre la méthode complète d’audit et d’optimisation que j’ai utilisée pour faire baisser ma facture mensuelle d’environ 90 %. Pas juste « passer à un modèle moins cher », mais une vraie analyse systématique pour voir où les tokens partent vraiment, comment les suivre, quels modèles budget tiennent la route pour du vrai travail agentique, et trois configurations prêtes à copier-coller que vous pouvez utiliser tout de suite. Tout le processus m’a pris un après-midi.

Qu’est-ce que l’usage des tokens OpenClaw, et pourquoi est-il si élevé par défaut ?

Les tokens sont l’unité de facturation de toute interaction IA dans OpenClaw. Imagine-les comme de petits blocs de texte — environ 4 caractères anglais par token. Chaque message envoyé, chaque réponse reçue, chaque tâche en arrière-plan déclenchée : tout est facturé en tokens.

Le souci, c’est que les paramètres par défaut d’OpenClaw sont pensés pour la performance maximale, pas pour le coût minimum. Dès l’installation, le modèle principal est réglé sur anthropic/claude-opus-4-5 — l’option la plus chère disponible. Les pings de heartbeat ? Ils tournent eux aussi sur Opus. Les sous-agents lancés pour gérer des tâches annexes ? Eux aussi utilisent Opus. Utiliser Opus pour un simple ping de heartbeat, c’est un peu comme embaucher un neurochirurgien pour poser un pansement. Techniquement possible, mais totalement absurde côté budget.

La plupart des utilisateurs ne se rendent pas compte qu’ils paient le tarif premium pour des tâches de fond minuscules. La configuration par défaut part du principe que tu veux le meilleur modèle pour tout, tout le temps — et elle te facture en conséquence.

Pourquoi réduire l’usage des tokens OpenClaw permet d’économiser bien plus que de l’argent

L’avantage le plus évident, c’est évidemment la baisse des coûts. Mais il y a aussi des bénéfices secondaires qui s’accumulent avec le temps.

Les modèles moins chers sont souvent plus rapides. Gemini 2.5 Flash-Lite tourne à environ contre 51 pour Opus — soit près de 4 fois plus vite à chaque interaction. GPT-OSS-120B sur Cerebras atteint — environ 35 fois plus rapide qu’Opus. Dans une boucle agentique avec plus de 50 allers-retours d’appels d’outils, cette différence veut dire terminer en quelques minutes au lieu d’attendre le pénible délai d’Opus de 13,6 secondes avant le premier token à chaque requête.

Tu gagnes aussi de la marge avant d’atteindre les limites de débit, tu subis moins de sessions bridées, et tu peux augmenter l’usage sans sentir ton stress grimper à chaque facture.

Économies estimées selon différents profils d’usage :

Ce ne sont pas des chiffres théoriques. Un développeur a documenté une baisse de — soit une réduction réelle de 90 % — en combinant le routage des modèles avec les correctifs de fuites cachées décrits plus loin dans ce guide.

Anatomie de l’usage des tokens OpenClaw : où part vraiment chaque token

C’est la partie que la plupart des guides d’optimisation sautent, alors que c’est probablement la plus importante. On ne corrige pas ce qu’on ne voit pas.

J’ai audité plusieurs sessions et croisé les données avec le ainsi que des dumps /context de la communauté pour établir un relevé des tokens sur une tâche de code typique. Voilà où sont partis environ 20 000 tokens :

Le plus gros poste — l’accumulation du contexte — correspond à l’historique de conversation renvoyé à chaque appel API. Un montrait 185 400 tokens rien que dans la catégorie Messages, alors que le modèle n’avait même pas encore répondu. Le prompt système et les outils ajoutaient encore environ 35 800 tokens de surcharge fixe par-dessus.

À retenir : si tu ne vides pas les sessions entre des tâches sans lien entre elles, tu paies pour retransmettre tout ton historique de conversation à chaque tour.

Comment suivre l’usage des tokens OpenClaw (on ne peut pas réduire ce qu’on ne voit pas)

Avant de changer quoi que ce soit, commence par obtenir de la visibilité sur l’endroit où vont tes tokens. Passer direct à « utiliser un modèle moins cher » sans suivi, c’est comme vouloir maigrir sans jamais monter sur une balance.

Consultez votre tableau de bord OpenRouter

Si vous passez par OpenRouter, la est le tableau de bord le plus simple, sans configuration. Tu peux filtrer par modèle, fournisseur, clé API et période. La vue Usage Accounting détaille les tokens de prompt, de completion, de raisonnement et mis en cache pour chaque requête. Un bouton Export (CSV ou PDF) est disponible pour une analyse sur une période plus longue.

Ce qu’il faut surveiller : quel modèle a consommé le plus de tokens, et si les requêtes heartbeat ou sub-agent apparaissent comme des lignes de coût anormalement élevées.

Auditez vos logs API locaux

OpenClaw stocke les données de session dans ~/.openclaw/agents.main/sessions/sessions.json, avec le champ totalTokens par session. Vous pouvez aussi lancer openclaw logs --follow --json pour un suivi en temps réel de chaque requête.

Point important à connaître : , donc le tableau de bord peut afficher des valeurs obsolètes d’avant compaction. Fiez-vous à /status et /context detail plutôt qu’aux totaux enregistrés.

Utilisez un outil tiers de suivi (pour les utilisateurs modérés à intensifs)

LiteLLM proxy vous donne un point de terminaison compatible OpenAI devant plus de 100 fournisseurs et . Son gros avantage : des budgets stricts par clé qui survivent à /clear — un sous-agent incontrôlé ne peut pas dépasser le plafond défini.

Helicone est encore plus simple — un qui vous fournit une vue Sessions regroupant les requêtes liées. Une seule requête « corrige ce bug » qui se propage en plus de 8 appels de sous-agents apparaît comme une seule ligne de session avec le vrai coût total. .

Vérifications rapides directement dans OpenClaw

Pour le suivi au quotidien, quatre commandes en session suffisent :

• /status — affiche l’usage du contexte, les derniers tokens d’entrée/sortie et le coût estimé
• /usage full — pied de page d’usage par réponse
• /context detail — détail des tokens par fichier, compétence et outil
• /compact [guidance] — compaction forcée avec chaîne d’orientation optionnelle

Lancez /context detail avant et après vos changements de configuration. C’est comme ça que vous mesurez si vos optimisations fonctionnent vraiment.

Le comparatif du modèle OpenClaw le moins cher : quels LLM budget gèrent vraiment le travail agentique ?

La plupart des guides se plantent à cet endroit. Ils affichent un tableau de prix, désignent la ligne la moins chère, et s’arrêtent là. Les benchmarks ne prédisent pas les performances réelles en mode agentique — un point que la communauté rappelle bruyamment et souvent. Comme l’a dit un utilisateur : « benchmarks aren't doing any justice to understand which one works best for agentic AI. »

L’idée clé : le modèle le moins cher n’est pas forcément le résultat le moins cher. Un modèle qui plante et recommence quatre fois coûte plus cher qu’un modèle milieu de gamme qui . Dans les systèmes d’agents en production, il faut prévoir un — et si cinq appels LLM s’enchaînent et que l’étape 4 échoue, un retry naïf relance les cinq étapes.

Voici ma matrice de capacités, avec un « Real Agentic Score » basé sur des retours réels d’utilisateurs plutôt que sur des benchmarks synthétiques :

Mise en garde sur DeepSeek et Gemini Flash pour les appels d’outils

DeepSeek V3.2 a l’air excellent sur le papier — 72 à 74 % sur , 11 à 36 fois moins cher que Sonnet. En pratique, dans Cline, Roo Code, Continue et NVIDIA NIM documentent un comportement cassé des appels d’outils. Le verdict de Composio en face-à-face : « . » La formule de Zvi Mowshowitz : « . »

Gemini 2.5 Flash montre un écart similaire. Un fil du Google AI Developers Forum intitulé « Very frustrating experience with Gemini 2.5 function calling performance » commence ainsi : « . »

OpenRouter a signalé une nuance essentielle : « . » Si vous routez des modèles bon marché via OpenRouter, surveillez le tag :exacto — un changement silencieux de fournisseur peut transformer du jour au lendemain un modèle économique fiable en boucle de retry coûteuse.

Quand utiliser chaque modèle

• Gemini Flash-Lite : Heartbeats, pings de maintien, Q&R simples. Jamais pour des appels d’outils multi-étapes.
• MiniMax M2.5/M2.7 : Votre modèle quotidien pour les tâches de code générales. à une fraction du prix de Sonnet.
• Claude Haiku 4.5 : Le fallback fiable quand les modèles bon marché peinent sur les appels d’outils. Excellente fiabilité, environ 3 fois moins cher que Sonnet.
• Claude Sonnet 4.6 : Pour les travaux agentiques complexes en plusieurs étapes. C’est là que vous en avez pour votre argent.
• Claude Opus : À réserver aux problèmes les plus difficiles. Ne le laissez jamais comme modèle par défaut.

(Les prix des modèles changent souvent — vérifiez les tarifs actuels sur ou sur les pages des fournisseurs avant d’adopter une configuration.)

Les drains cachés de tokens que la plupart des guides passent sous silence

Les utilisateurs sur les forums disent souvent que désactiver certaines fonctions réduit énormément les coûts, mais aucun guide que j’ai trouvé ne propose une checklist unifiée de tous les drains cachés avec leur impact réel en tokens. Voici le démontage complet :

Le drain du heartbeat mérite qu’on s’y attarde. Par défaut, les heartbeats partent sur le modèle principal (Opus) toutes les 30 minutes. Définir isolatedSession: true fait passer ce coût d’environ 100 000 tokens par exécution — soit une réduction de 95 à 98 % sur ce seul poste.

Trois gains rapides qui économisent le plus de tokens en moins de deux minutes

Les trois sont sans risque et prennent moins de deux minutes :

1. /clear entre les tâches sans lien (5 secondes). C’est l’économie la plus importante. Le consensus des forums l’estime à rien qu’en effaçant l’historique de session avant de commencer un nouveau travail. Tu te souviens du bloc Messages de 185k tokens dans le dump /context ? /clear l’efface.

2. /model haiku-4.5 pour le travail répétitif (10 secondes). Changer de modèle de façon tactique permet sur les tâches courantes. Haiku gère très bien la plupart des tâches de codage simples, les recherches de fichiers et les messages de commit.

3. Réduire .clawrules à moins de 200 lignes + ajouter .clawignore (90 secondes). Ton fichier de règles est chargé à chaque message. À 200 lignes, cela représente environ 1 500–2 000 tokens par tour ; à 1 000 lignes, 8 000–10 000 tokens qui plombent chaque requête en continu. Combiné à un .clawignore qui exclut node_modules/, dist/, les lockfiles et le code généré, un développeur affirme avoir obtenu une grâce à cette seule discipline.

Étape par étape : trois configurations prêtes à copier pour réduire drastiquement l’usage des tokens OpenClaw

Voici trois configurations complètes et commentées de openclaw.json — de « je veux juste démarrer » à « stack d’optimisation complète ». Chacune inclut des commentaires en ligne et une estimation du coût mensuel.

Avant de commencer :

• Niveau de difficulté : Débutant (Config A) → Intermédiaire (Config B) → Avancé (Config C)
• Temps requis : ~5 minutes pour la Config A, ~15 minutes pour la Config C
• Ce qu’il vous faut : OpenClaw installé, un éditeur de texte, accès à ~/.openclaw/openclaw.json

Config A : Débutant — simplement économiser de l’argent

Cinq lignes. Zéro prise de tête. Remplace le modèle par défaut d’Opus par Sonnet, désactive la surcharge mémoire et isole les heartbeats sur Haiku.

1// ~/.openclaw/openclaw.json
2{
3  "agents": {
4    "defaults": {
5      "model": { "primary": "anthropic/claude-sonnet-4-6" },  // c’était Opus — économies immédiates de 3 à 5x
6      "heartbeat": {
7        "every": "55m",                // aligné sur un TTL de cache d’1h pour maximiser les hits
8        "model": "anthropic/claude-haiku-4-5",  // Haiku pour les pings, pas Opus
9        "isolatedSession": true        // ~100k → 2-5k tokens par exécution
10      }
11    }
12  },
13  "memory": { "enabled": false }       // économise ~500–2k tokens/session
14}

Ce que tu devrais voir après l’avoir appliqué : Lance /status avant et après. Ton coût par requête devrait baisser nettement, et les entrées heartbeat dans ta page Activity OpenRouter devraient afficher Haiku au lieu d’Opus.

Config B : Intermédiaire — routage intelligent à trois niveaux

Sonnet en principal pour le vrai travail. Haiku pour les sous-agents et la compaction. Gemini Flash-Lite comme fallback économique quand Claude est limité. Les chaînes de fallback gèrent automatiquement les pannes de fournisseur.

1{
2  "agents": {
3    "defaults": {
4      "model": {
5        "primary": "anthropic/claude-sonnet-4-6",
6        "fallbacks": [
7          "anthropic/claude-haiku-4-5",       // si Sonnet est limité
8          "google/gemini-2.5-flash-lite"      // ultime recours ultra-économique
9        ]
10      },
11      "models": {
12        "anthropic/claude-sonnet-4-6": {
13          "params": { "cacheControlTtl": "1h", "maxTokens": 8192 }
14        }
15      },
16      "heartbeat": {
17        "every": "55m",                       // 55 min < TTL cache 1h = hits de cache
18        "model": "google/gemini-2.5-flash-lite",  // quelques centimes par ping
19        "isolatedSession": true,
20        "lightContext": true                   // contexte minimal dans les appels heartbeat
21      },
22      "subagents": {
23        "maxConcurrent": 4,                   // au lieu de 8 par défaut
24        "model": "anthropic/claude-haiku-4-5" // les sous-agents n’ont pas besoin de Sonnet
25      },
26      "compaction": {
27        "mode": "safeguard",
28        "model": "anthropic/claude-haiku-4-5", // résumés de compaction via Haiku
29        "memoryFlush": { "enabled": true }
30      }
31    }
32  }
33}

Résultat attendu : Les entrées de sous-agents dans vos logs devraient maintenant être facturées au tarif Haiku. Les heartbeats devraient coûter presque rien. Votre chaîne de fallback garantit qu’une panne Claude ne bloque pas la session — elle bascule proprement sur Gemini.

Config C : Utilisateur avancé — stack d’optimisation complète

Assignation de modèle par sous-agent, compaction du contexte verrouillée sur Haiku, routage vision vers Gemini Flash, .clawrules + .clawignore serrés, skills inutilisés désactivés. C’est la configuration qui permet d’atteindre 85 à 90 % d’économies.

1{
2  "agents": {
3    "defaults": {
4      "workspace": "~/clawd",
5      "model": {
6        "primary": "anthropic/claude-sonnet-4-6",
7        "fallbacks": [
8          "openrouter/anthropic/claude-sonnet-4-6",  // autre fournisseur en secours
9          "minimax/minimax-m2-7",                     // fallback économique pour usage quotidien
10          "anthropic/claude-haiku-4-5"                // dernier recours
11        ]
12      },
13      "models": {
14        "anthropic/claude-sonnet-4-6": {
15          "params": { "cacheControlTtl": "1h", "maxTokens": 8192 }
16        },
17        "minimax/minimax-m2-7": {
18          "params": { "maxTokens": 8192 }
19        }
20      },
21      "heartbeat": {
22        "every": "55m",
23        "model": "google/gemini-2.5-flash-lite",
24        "isolatedSession": true,
25        "lightContext": true,
26        "activeHours": "09:00-19:00"           // pas de heartbeats la nuit
27      },
28      "subagents": {
29        "maxConcurrent": 4,
30        "model": "anthropic/claude-haiku-4-5"
31      },
32      "contextPruning": { "mode": "cache-ttl", "ttl": "1h" },
33      "compaction": {
34        "mode": "safeguard",
35        "model": "anthropic/claude-haiku-4-5",
36        "identifierPolicy": "strict",
37        "memoryFlush": { "enabled": true }
38      },
39      "bootstrapMaxChars": 12000,              // au lieu de 20000 par défaut
40      "imageModel": "google/gemini-3-flash"    // tâches vision via modèle économique
41    }
42  },
43  "memory": { "enabled": true, "max_context_tokens": 800 },  // mémoire minimale
44  "skills": {
45    "entries": {
46      "web-search":       { "enabled": false },
47      "image-generation": { "enabled": false },
48      "audio-transcribe": { "enabled": false }
49    }
50  }
51}

Exemple d’override par sous-agent — à coller dans ~/.openclaw/agents/lint-runner/SOUL.md :

1---
2name: lint-runner
3description: Runs lint/format checks and applies trivial fixes
4tools: [Bash, Read, Edit]
5model: anthropic/claude-haiku-4-5
6---

.clawignore minimal viable — à lui seul, il fait généralement passer les bootstraps de 150k caractères à 30–50k :

1node_modules/
2dist/
3build/
4.next/
5coverage/
6.venv/
7vendor/
8*.lock
9package-lock.json
10yarn.lock
11pnpm-lock.yaml
12*.min.js
13*.min.css
14**/__snapshots__/
15**/*.snap

Ces chiffres collent avec deux retours indépendants d’utilisateurs réels : la baisse documentée de Praney Behl, de (réduction de 90 %), et les études de cas LaoZhang montrant avec une optimisation partielle.

Utiliser la commande /model pour contrôler l’usage des tokens OpenClaw à la volée

La commande /model change le modèle actif pour le prochain tour tout en conservant tout le contexte de conversation — pas de reset, pas d’historique perdu. C’est l’habitude quotidienne qui fait baisser la facture sur la durée.

Flux de travail pratique :

• Tu travailles sur un refactoring compliqué dans plusieurs fichiers ? Reste sur Sonnet.
• Une question rapide du genre « que fait cette regex ? » ? /model haiku, pose la question, puis /model sonnet pour revenir.
• Message de commit ou polissage d’un document ? /model flash-lite, et c’est réglé.

Vous pouvez créer des alias dans openclaw.json sous commands.aliases pour associer des noms courts (haiku, sonnet, opus, flash) aux chaînes complètes du fournisseur. Quelques frappes en moins à chaque changement.

Le calcul : 50 requêtes/jour sur Sonnet, c’est environ 3 $/jour. Les mêmes 50 requêtes réparties à 70/20/10 entre Haiku/Sonnet/Opus reviennent à environ 1,10 $/jour. Sur un mois, on passe de 90 $ à 33 $ — 63 % de moins sans changer d’outils, juste d’habitudes.

Bonus : suivre les prix des modèles OpenClaw selon les fournisseurs avec Thunderbit

Avec autant de modèles et de fournisseurs — OpenRouter, API Anthropic directe, Google AI Studio, DeepSeek, MiniMax — les prix changent souvent. Anthropic a réduit le prix de sortie d’Opus d’environ 67 % du jour au lendemain. Google a abaissé les limites du niveau gratuit Gemini de en décembre 2025. Garder à jour un tableau de prix statique à la main, c’est presque une bataille perdue d’avance.

règle ce problème sans aucune ligne de scraping. C’est une de type extracteur web IA, conçue justement pour ce genre d’extraction de données structurées.

Le flux de travail que j’utilise :

1. Ouvre la page des modèles OpenRouter dans Chrome et clique sur « AI Suggest Fields » de Thunderbit. L’outil lit la page et propose des colonnes — nom du modèle, prix d’entrée, prix de sortie, fenêtre de contexte, fournisseur.
2. Lance l’extraction, puis exporte directement vers Google Sheets.
3. Programme une extraction récurrente en langage naturel — « chaque lundi à 9 h, réextrait la liste des modèles OpenRouter » — et elle s’exécute automatiquement dans le cloud.

À partir de là, ton tracker de prix personnel se met à jour tout seul. Tout modèle qui devient soudain 30 % moins cher — ou tout fournisseur qui obtient un tag Exacto — apparaît dans ta feuille du lundi matin sans que tu aies à lever le petit doigt. Nous avons détaillé d’autres cas d’usage de sur notre blog.

Si tu compares les prix sur les pages directes des fournisseurs (Anthropic, Google, DeepSeek) ? Le scraping des sous-pages de Thunderbit suit chaque lien de modèle vers sa page de détail et récupère les tarifs par fournisseur — pratique pour savoir si router Kimi K2.5 via OpenRouter revient moins cher que de passer en direct par . Consulte pour les détails de l’offre gratuite et des abonnements.

Points clés pour réduire l’usage des tokens OpenClaw

La méthode : Comprendre → Surveiller → Router → Optimiser.

Actions à plus fort impact, classées :

1. Ne laisse pas Opus comme modèle par défaut. Passe ton modèle principal à Sonnet ou MiniMax M2.7. Rien que ça réduit déjà les coûts de 3 à 5 fois.
2. Isole les heartbeats. Active isolatedSession: true et route les heartbeats vers Gemini Flash-Lite. On passe ainsi d’une fuite d’environ 100k tokens à environ 2–5k.
3. Route les sous-agents vers Haiku. Chaque lancement charge environ 20k tokens de contexte avant même le début du travail. Évite que ça se fasse sur Opus.
4. Utilise /clear systématiquement. Gratuit, 5 secondes, et le consensus de la communauté dit que c’est l’action la plus rentable.
5. Ajoute .clawignore. Exclure node_modules, les lockfiles et les artefacts de build réduit fortement le contexte de bootstrap.
6. Suis avec /context detail avant et après les changements. Si tu ne mesures pas, tu n’améliores rien.

Le modèle le moins cher dépend de la tâche. Gemini Flash-Lite pour les heartbeats. MiniMax M2.7 pour le codage quotidien. Haiku pour les appels d’outils fiables. Sonnet pour les tâches complexes en plusieurs étapes. Opus seulement pour les problèmes vraiment difficiles — et rien d’autre.

La plupart des lecteurs peuvent obtenir 50 à 70 % d’économies en un seul après-midi avec la Config A ou B. Les 85 à 90 % complets demandent d’empiler tout le reste — routage des modèles, correction des drains cachés, .clawignore, discipline de session — mais c’est faisable, et ça tient dans le temps.

FAQ

1. Combien coûte OpenClaw par mois ?

Cela dépend entièrement de ta configuration, de ton volume d’usage et de tes choix de modèles. Les utilisateurs légers (~10 requêtes/jour) dépensent généralement 5 à 30 $/mois avec optimisation, contre 100 $+ avec les paramètres par défaut. Les utilisateurs modérés (~50 requêtes/jour) se situent entre 90 et 400 $/mois. Les gros utilisateurs peuvent atteindre avec les réglages par défaut — un cas extrême documenté a même atteint 5 623 $ en un seul mois. La télémétrie interne d’Anthropic suggère un médian de .

2. Quel est le modèle OpenClaw le moins cher qui reste bon pour coder ?

est le meilleur modèle quotidien généraliste — fiabilité correcte pour les appels d’outils, SWE-Pro 56,22, pour environ 0,28 $ / 1,10 $ par million de tokens. Pour les heartbeats et les recherches simples, Gemini 2.5 Flash-Lite à 0,10 $ / 0,40 $ est difficile à battre. Claude Haiku 4.5 à 1 $ / 5 $ est le fallback milieu de gamme le plus fiable quand il faut une excellente fiabilité d’appel d’outils sans payer le prix de Sonnet.

3. Puis-je utiliser des modèles gratuits avec OpenClaw ?

Techniquement oui. GPT-OSS-120B est gratuit sur le tag :free d’OpenRouter et sur NVIDIA Build. Gemini Flash-Lite a un niveau gratuit (15 RPM, 1 000 requêtes/jour). DeepSeek offre . Mais les offres gratuites imposent des limites de débit agressives, sont plus lentes et moins fiables en disponibilité. Les modèles payants bon marché — quelques centimes par million de tokens — sont bien plus fiables pour un usage régulier.

4. Changer de modèle en cours de conversation avec /model fait-il perdre le contexte ?

Non. /model conserve tout le contexte de session — la prochaine requête est routée vers le nouveau modèle avec tout l’historique intact. C’est confirmé dans la documentation concepts d’OpenClaw et fonctionne de la même manière dans Claude Code. Tu peux alterner librement entre Haiku pour les questions rapides et Sonnet pour les travaux complexes sans rien perdre.

5. Quel est le moyen le plus rapide de réduire ma facture OpenClaw aujourd’hui ?

Tape /clear entre les tâches sans lien. C’est gratuit, ça prend cinq secondes, et ça efface l’historique de conversation qui est retransmis à chaque appel API. Une vraie session montrait d’historique de messages accumulé — tous retransmis et refacturés à chaque tour. Nettoyer ça avant de commencer un nouveau travail est l’habitude la plus rentable que tu puisses adopter.