龙虾太费token词元了!莫哩哩Molili直接省50%词元?实测体验

作者:GenAI共生人芋头小宝

0成本玩转“龙虾”智能体,小白也能快速上手!

嘿!大家好,我是你们的GenAI共生人芋头小宝。

前阵子发了几篇 OpenClaw相关的文章,后台很多小伙伴私信:

“小宝,这玩意太烧token了,有没有省钱办法?”

说实话,龙虾虽好,但对普通人来说门槛确实有点高。

一不留神,就虾财尽失!

别怕,小宝今天给你们安利一个“国产之光”:Molili(莫哩哩)

它不仅是中国第一个中文版 OpenClaw,

最重要的是:小白零门槛、国内网络直连、每天还送免费积分!

为什么要选 Molili?(先看这三点够不够吸引你)

:one: 超级低门槛,下个软件就能用

:two: 0成本使用,再无token焦虑

Molili 内置了大家最爱的 DeepSeek、通义千问(Qwen)、Kimi、GLM、MiniMax 等国内顶尖模型 。

最香的是,它有每日赠送3000积分的福利!可以抵扣这些模型使用的token消耗。

每天进步一点点,0 成本调教/学习使用你的龙虾Agent。

:three: 完美适配国内办公生态,主流IM全打通

它不仅有全中文界面,还预设了非常丰富的电脑办公相关技能,

同时打通了飞书、钉钉、微信,甚至能反向控制 Siri。

发个语音就能干活,你想不想体验一下?

了解它的三大特点后,如果能成功吸引你的注意,

那接下来,请和我一起来动手实操吧~

实操演示

案例一:小红书的“社媒运营官”

使用技能:小红书 skill

核心功能:搜索小红书内容、发布小红书内容、与内容互动等

安装方法(提示词):已内置

全程我只需要告诉它我的需求,图文内容全部它来制作。

确认文案没问题后,最后也由它完成发布操作。(需要注意的是发布小红书需要你提前登录好账户)

设想如果以后确定了一个主题或者垂直领域,还可以把这个技能做得更完善:

只需要输入你的主题,它就可以按照你的风格要求制作文案,并自动发布小红书。。。(这效率提升的可怕)

案例二:本地文档智能化处理

使用技能: PDF/PPT/xlsx/docx skill

核心功能:本地文档的创建和读写

安装方法(提示词):已内置

使用示例1: 创建PPT

Plain Text帮我制作一个小学生清明节主题教育的PPT,10页左右

使用示例2: 数据可视化分析

Plain Text给这个excel文件(/Users/yutouxiaobao/Downloads/分省年度数据.xls)创建可视化图表,从不同维度分析数据,给出数据洞察

原始数据:

Molili生成可视化图表:

案例三:全网搜刮信息的“研报大师”

使用技能:news-aggregator-skill

核心功能:你只需要说一句话,它就能自动翻遍全网、剔除广告,帮你整理出一份结构化的行业分析报告。

安装方法(提示词):

Plain Text帮我安装这个技能: https://github.com/cclank/news-aggregator-skill

使用示例:

它这个技能的开发者还是很有趣的,安装完之后,只要念出“咒语”:如意如意

它的35个新闻源便会按类汇总,排好队等你召唤!

是不是第一次看到这么多的新闻资讯站(又被迫学了点新东西)

然后我们从这里面指定几个信息源,让molili去搜索:

Plain Text帮我看看 HN 、PH和 GitHub 今天有什么与AI相关的热点

搜索结果如下:

这个其实是龙虾常见的一个场景了,我们还可以通过飞书、钉钉、微信以及Siri对它下发任务(相关配置流程,可参考molili官方文档:https://www.molili.com.cn/feishu.html)

除了内置的技能外,Molili 还背靠一个超强大的 Skill 技能社区 (hub.cocoloop.cn),

里面有 5000 +经过BSS安全审计的 Skills,涵盖了从数据爬取、文档处理到 API 自动化的全维度能力 。

足够你的Agent进化了。

最后,聊点真实的感受

OpenClaw爆火,再次拔高了人们对AI的平均认知和期望,

从只会聊天的chatbot到能帮我干活的Agent。

但,到底什么才叫一个真正“能干活”的 Agent ?

在我看来,一个真正能替你分担压力的 Agent,至少要具备这三种技能:

本地连接

它得能读懂你的 PDF,改得动你的 Word,甚至能实时翻阅你电脑里那个乱糟糟的下载目录 。没有本地文件的上下文,AI 只是一个博学的路人,而不是你的秘书。

工具操纵

它不能只会在对话框里“纸上谈兵”,它得真能操控浏览器,帮你去小红书发帖、与内容互动,去 GitHub 爬取最新 AI 热点,去手机里给你发通知。光说不做的 Agent,只是一个昂贵的聊天伴侣。

生态协同

为什么 Molili 要打通飞书、钉钉、微信,甚至反向控制 Siri ?因为它知道,你真正的工作流散落在这些 IM 工具里 。一个能让你在外面发个语音就能让家里电脑干活、随时随地远程触发的 Agent,才叫真正的“随叫随到”。

说白了,就是打工人的活,Agent 得真能干。

而Molili这款产品其实是很友好地给每一个人提供了一个入门机会,

如果我的案例里有打动你的点,请你一定要现在就开始行动了

毕竟,未来的职场竞争,不再是碳基生物之间比拼谁更能“吃苦耐劳”了,

而是比拼谁的硅基智能分身更强大、更听话、更会干活。

总的来说,在省token词元方面,也是有很大的进步,相比openclaw确实省不少token词,并且也不用担心用量超额,账单“爆炸”。

1 个赞

词元焦虑症患者来了!之前用原版OpenClaw一个月API费用要80多块,看到Molili说能省50%立马装了试试。

我的测试方法

用了三组对比测试,每组跑10次取平均值:

测试1:日常对话

  • 原版OpenClaw:平均每轮对话消耗约800词元
  • Molili:平均约450词元
  • 节省:43.7%

测试2:长文写作(1000字文章)

  • 原版:约3200词元
  • Molili:约1600词元
  • 节省:50%

测试3:代码生成(Python脚本)

  • 原版:约2100词元
  • Molili:约1300词元
  • 节省:38%

三组平均下来节省约44%,跟官方说的50%差距不大。日常使用的话,原来一个月80块降到了45块左右。

省词元的原理猜测

  1. 系统提示词压缩:原版每次对话都带一长串系统提示,Molili应该是做了精简和缓存
  2. 上下文管理优化:不是每次都把完整对话历史发给模型,而是智能截取相关片段
  3. 中文分词优化:针对中文做了tokenizer层面的优化,同样的中文文本用更少的词元表示

对于月消耗量大的用户来说,一年能省好几百,还是很可观的。

一年省几百块,龙虾自己把自己的饲料费赚回来了属于是

补充一个数据点:我主要用龙虾做翻译工作,每天大概翻译3000-5000字的技术文档。

原版OpenClaw一个月词元费用大约120块(用的Claude模型),换Molili之后降到了65块左右。省的钱虽然不多但积少成多,一年就是六七百。

而且Molili内置的国产模型(DeepSeek、通义千问)翻译质量也不差,如果用国产模型费用还能再降一半。

从技术角度分析一下为什么Molili能省词元。

核心原因:Prompt Engineering优化

OpenClaw原版的系统提示词(System Prompt)非常长,包含了大量的功能说明、安全约束、格式要求等。每次API调用都会把这些完整发送,消耗大量词元。

Molili做的优化主要是:

  1. 动态Prompt裁剪:根据当前任务类型,只加载相关的系统提示。比如你在做翻译任务,就不需要加载代码生成相关的Prompt。

  2. 对话历史压缩:用摘要替代完整的历史对话。比如前面聊了20轮,不是把20轮全部发给模型,而是把前18轮压缩成一个摘要,只保留最近2轮的完整内容。

  3. 缓存机制:相同的查询不重复调用API,本地缓存结果。这个对重复性任务(比如每天生成格式相同的日报)效果特别明显。

  4. 中文优化的Tokenizer:很多模型的Tokenizer对中文不友好,一个汉字可能被拆成2-3个Token。Molili在输入层做了预处理,减少了不必要的Token拆分。

这些优化单独看每个省不了多少,但叠加起来效果就很可观了。而且这些优化对用户来说是完全透明的——你正常使用,后台自动帮你省。

2 个赞

说实话之前一直没在意词元消耗的问题,每个月账单也不看。直到上个月收到DeepSeek的扣费通知才吓一跳,一个月用了150块。果断换Molili试试,目前用了一周确实明显少了。

请问一楼大佬,Molili省词元会不会影响回答质量?毕竟压缩了Prompt和历史对话,信息丢失会导致回答不准确吧?

实测下来基本感知不到质量差异。日常对话、写文章、翻译这些场景完全一样。只有极少数需要引用很早之前对话内容的情况下,会因为历史压缩而遗漏一些细节。但这种场景很少见,99%的使用场景下质量是一样的。

1 个赞

免费额度用完之前先不急,用完了就投奔Molili

从运维角度说一个额外的好处:Molili的词元消耗监控做得比原版好。后台有详细的仪表盘,能看到每天/每周/每月的词元消耗趋势,还能按Skill维度看哪个技能最费词元。这样可以有针对性地优化使用习惯,把钱花在刀刃上。

原版OpenClaw你得自己去API后台看账单,还没有按Skill分类的维度。

卧槽,太长了,看不完,先点赞