行動監視と設定変更によるAIエージェントコストの30%削減

開発者は、OpenClawボットの動作パターンを分析・最適化することでAIエージェントのコスト削減に取り組む実践的なアプローチを共有しました。最初の問題は、明らかな原因がないままトークン消費量が高かったことです。

問題: Cronジョブによるコンテキストの肥大化

開発者は最初にコンテキストTTL（生存時間）を短縮しようとしましたが、これによりボットの効果が低下しました。調査の結果、70個のcronジョブが結果をメインのチャットセッションにダンプしていることが判明しました。各結果がコンテキストに追加され、圧縮プロセスをトリガーし、その後再び肥大化するというサイクルが、不要なトークン消費を引き起こしていました。

解決策: 直接配信の設定

修正には、1行の設定を変更してcronジョブの出力をメインセッション経由ではなくTelegramに直接リダイレクトすることが必要でした。このシンプルな設定変更により、トークン使用量が即座に減少しました。

監視スキルの構築

初期の修正後、開発者はエージェント自身の動作パターンを監視するスキルを作成しました。このツールは以下を追跡します:

• エージェントが使用するツール
• トークンを無駄にしている箇所
• 不必要に繰り返されるパターン

開発者はこれを「ボットとペアデバッグして非効率性を見つける」と表現しています。

発見された追加の非効率性

監視スキルにより、3つの具体的な問題が特定されました:

• 冗長な検索が実行されている
• 過大なファイル読み込み
• ほとんどの場合不要なのに、毎ターンごとにメモリ参照が行われる

重要な洞察: エージェントの動作を積極的に監視し、結果を分析することで、表面的な観察では明らかにならない最適化の機会が明らかになります。小さな設定変更でも、トークン使用量とコストに大きな影響を与えることができます。