Agent 的下半场，是账单｜对话 OpenClacky 李亚飞

交流一二

·让 AI 来管理代码的话，每次读 500 行反而比读 1000 行更费 Token，而且人工编排流程真不如让大模型自己定，「很多的事儿，还是很反直觉的」

·以前做生意，创造 100 份价值得赚 20 块钱才活得下来，现在赚 1 块钱就够了，「因为 AI 在干活，这并不消耗人力」

·一个不写代码的律师，用 OpenClacky 一个人搞定了合同审查、阅卷分析、诉讼可视化等等一系列功能，定价 1999 元，「每天都有律师来找他买」

以上内容，来自我和 OpenClacky 创始人李亚飞的一次对话

OpenClacky 是一个以省钱为核心优势的开源 AI Agent，对 Claude、DeepSeek、GPT、Kimi、MiniMax 等十几套模型 API 逐一做了响应格式和调用链的适配优化

至于省钱的奥秘：上下文调优，以及 90% 的 Cache 命中率

作为结果，比 OpenClaw 省 50%，更只有 Hermes 的 1/6

李亚飞，是 OpenClacky 的创始人，10 年全栈工程师经验。而这个项目也拿到了包括奇绩、真格、盈动、Variable、红杉中国、高瓴的投资

我和亚飞聊了一个多小时，聊了很多东西，包括创业路径、Agent 的成本控制、Skill 经济的前提条件，以及一个连续创业者在 AI 时代的最新判断

四次下注

亚飞在 OpenClacky 之前做过三个产品，每一个都是对行业的重新下注，每一次都比上一次更往深处走一层

ShowMeBug，2019 年启动，做技术面试和编程测评，做到了行业 TOP。支持 20+ 语言，几十个框架，秒级启动，也给团队带来了一个副产品：云端 IDE 的全栈自研能力

1024Code，这个项目是 2023 年做的，比 Devin 早半年，也是在国内做出了第一个自主决策链 AI Agent。当时 AutoGPT 刚出来，他们的平台已经能一键托管 AutoGPT 了。但那时候 AI 写个稳定的贪吃蛇都做不到，他很清楚市场没到。后来想明白一件事：1024Code 还是在「帮程序员写代码」的框架里，而程序员的人群是窄的。关掉了

Clacky.ai，2024 年 4 月立项。让不会写代码的人用一句话生出一个能跑、能收钱的全栈应用。有数据库、有中间件、有部署，一条龙。全团队干了一年多，有一批铁杆用户

但到了去年 12 月，两个现实压过来了。第一，海外运营成本太高，云端并发 10 万级非常烧钱。第二，Agent 架构已经稳定了，Skill 加 Harness 工程这个模式可能好几年都不会变

于是有了第四个产品

他把 Clacky 前面加了个 Open，就有了开源的 OpenClacky

我说：我第一次见有人这么自己搞自己产品的，一般都是别人出了 Manus 之后才有人搞 OpenManus

他笑了，我也笑了

读 500 行代码，比读 1000 行更贵

这是一个非常反直觉的现象，我听了想了好一会，得出一个结论：buy cheap, buy twice

做 coding agent 的时候，最吃 Token 的是读大文件。一个 5000 行的代码文件，塞进去可能 5 万到 10 万 Token。很自然地会想到先做个预处理，用语法解析器把密度降一下，或者只读前 200 行、300 行，只暴露接口层

他们试了，大多数情况下无效，反而更贵

你不知道 AI 这次读这个文件是想干嘛。你做的程序是死板的，再怎么优化也不如大模型自己来看。你给它一份只包含几个关键函数的摘要，AI 一看：我为什么只拿到这几个函数？我还得看所有的信息。然后它又去读一遍完整文件。虽然看着省了一次 Token，实际上多了两次调用

也正是这个优化思路，让 OpenClacky 的请求数量，显著低于其他框架

他们反复试了 200 行、300 行、500 行、800 行、1000 行。最后发现 1000 行是最优解。一次读 1000 行大约 1 万到 1.5 万 Token，看上去不便宜，但大多数时候够 AI 翻一翻就找到它要的东西了。500 行的成本反而翻一倍

「这些东西就是慢慢测出来的，工程上没有捷径」

下半场是账单

对于亚飞来说，它自己去年的 Agent 账单，一个月稳定在 1500 到 2400 美金，今年随着模型价格的暴涨，费用开始水涨船高，最近半年差不多有 3000-4000 美金了

模型能力到了，接下来大家的瓶颈就是账单了。去年底到现在，中国已经出了几个真正能打的 agentic 模型。但你要真用，成本还是很高

OpenClacky 有个 V2EX 的用户，用过所有热门 Agent，Claude Code、OpenClaw、Hermes、Codex 全试过。加了他之后反馈：切到 OpenClacky，Token 消耗少了 8 倍（原话就是如此，忽视语法错误）

对此，亚飞他们 4 月底花一周时间做了一次正式横评，把这四个 Agent拎了出来进行测试：同模型、同 prompt、同 skill、独立 OpenRouter Key，就有了下面的这个结果：

我问：你们这东西，跟 Claude Code 差距在哪？

亚飞直言：Claude Code 的 Cache 命中率 95.2%，比 Clacky 的 90.6% 好很多。毕竟 Claude Code 是 Anthropic 自家做的，从底层就懂自己的模型

但另外的，但 OpenClacky 的请求数更少，51 个 vs 70 个，总账单基本打平

OpenClacky 1.0.1 版本，实际使用中已经做到接近 100% 的 Cache 命中率

只有 16 个工具

在 OpenClacky 里，一共有 16 个核心工具。作为对比，Claude Code 有 40+ 个，OpenClaw 有 23 个，Hermes 有 52 个

我说：16 个就够了？

他说：是因为有一个叫 invoke_skill 的元工具，所有复杂能力全部 Skill 化

工具越少，schema 越短，Agent 判断越准，能够不绕路的、稳稳的把你接住。每一次模型调用都要把所有工具描述塞进上下文，工具数量直接影响基础开销。这是请求数能压到 51 的核心原因

渐进式安装也是他反复讲的一个设计。很多国产 Agent 一键安装，安完之后发现啥功能都没有。海外的那些开源 Agent 能力强，但安装就要死要死。他们的做法是只有用到某个依赖的时候才会帮你装。读 PDF、OCR 这些场景，第一次用到它才安装对应的依赖包

一个律师，一个人

聊到 Skill 创作者生态，李亚飞给我看了一个案例：青狮龙虾

qingclaw.com，做的人本身是一个律师，网站用 OpenClacky 开发，微信支付，完全国产。律师朋友付了钱，钱打到他自己的账户，然后他调 OpenClacky 的接口自动开通 license

他一个人。用 OpenClacky 的体系搞定了自助审合同、阅卷分析、诉讼可视化、公众号一键排版。1999 元一份 license，每天都有律师过来交流、上课

亚飞用了一个说法：全栈升级为一个科技公司

我问创作者生态接下来怎么做。他说先不急铺量，因为每个行业可能就一个虾就够了。先找几个有真本事的垂直专家，把标杆做出来

100 份价值，赚 1 块钱

聊到最后，亚飞说他想做一个中国版的黑曜石

这里得说一下，黑曜石是一个笔记软件，叫 Obsidian，团队只有十几个人，没拿过大额融资，但用户众多、口碑极佳，活得很好。亚飞想做的就是这种：不需要很大的组织规模，但有着海量用户

为什么呢？ 因为 AI 在干活、团队收缩了，也不需要大量的服务器资源和 VC 烧钱续命了，现在「也有点像一人公司了」

「以前你创造 100 份价值，至少得赚 20 块钱才能活下来。但现在你创造 100 份价值，你只需要赚 1 块钱，你就活得很不错」

OpenClacky 完全开源免费，不需要注册、用自己的 Key 就行。客户端的话，有腾讯云 CDN 加速，国内直接下载安装

作为结果，目前处理每天 1 万多个五轮以上长任务，比上周翻了一倍

所以吧：做好国内的 CDN 加速还是很重要的

作为与 Claude Code 的对比...「你用 Claude Code 总感觉到你是外人，你舔着它用，信用卡搞两下随时封你」

我自己会好奇：如果之后 OpenClacky 做成了，现在的那些事儿更能起到了帮助，对此亚飞则说到：

「先把 Agent 的内核做扎实，让 Agent 能够经济的跑长任务，这样才有机会长出来」

地基先做好，房子才有得盖

OpenClacky 官网

openclacky.com

GitHub（MIT 开源）

github.com/clacky-ai/openclacky

技术内幕（7 个工程决策）

openclacky.com/docs/tech-deep-dive

横评数据（可复现）

openclacky.com/benchmark

青狮龙虾（创作者案例）

qingclaw.com