ClawRouter 是一个开源的 智能 LLM 路由器，它可以根据请求类型自动选择最便宜但能胜任的 AI 模型来处理，从而大幅降低大语言模型（LLM）的推理成本。
它由 BlockRunAI 团队用 TypeScript 构建，并作为一个 OpenClaw 插件 / 本地代理 运行。
以下是该项目背景：
本项目作者上个月被 Anthropic 的账单吓到，单月 API 费用高达 4660.87 美元，原因是他每天使用 OpenClaw 时把所有请求都默认路由到了最贵的 Claude Opus 模型。
他意识到 80% 的请求其实用便宜模型就能搞定，于是开发了 ClawRouter 这个智能路由层，通过分析请求复杂度自动选择最便宜的模型，声称能省下 70% 的费用。
项目开源后 48 小时内获得 400 个 GitHub Star，现在已涨到 652 Star。ClawRouter 支持 30 多个模型，使用 USDC 钱包和 x402 微支付协议，用户只需设置一次就能自动路由，无需手动切换模型。
账单惊魂夜：当看到 4660.87 美元的那一刻
上个月某个深夜，我盯着信用卡账单差点把咖啡喷在屏幕上。Anthropic 那栏赫然写着 4660.87 美元，整整四千六百六十块八毛七，单位是美元！这数字大得能买一辆二手摩托车，或者支付三个月的房租，或者请全队吃二十顿火锅。而我用这钱干了什么？买了一些 AI 的 token。不是股票，不是比特币，是 token，那些看不见摸不着的数字碎片。我感觉自己像个在赌场里输红了眼的赌徒，只不过赌的是代码补全和语法检查。心脏狂跳，手心冒汗，脑子里只有一个念头：我他妈到底干了什么？
冷静下来后我开始复盘。我是个 OpenClaw 的重度用户，每天从睁眼到闭眼都在用。自动补全一行代码？找 Opus。解释一个报错？找 Opus。修复一个语法错误？还是找 Opus。我把 Claude Opus 设成了默认模型，这意味着每一个请求，不管多简单，都会奔向那个最贵的模型。Opus 的定价是每百万 token 十五美元，十五美元！而一些基础模型只要两美元甚至几毛钱。这就像开着法拉利去菜市场买葱，用金锄头挖土豆，用火箭筒打蚊子。每一脚油门都在烧钱，而我之前完全没意识到油门踩得有多狠。
效率陷阱：80% 的请求都在烧钱
仔细分析后我发现了一个残酷的真相。我一天大概发几百个请求，其中 80% 都是简单到离谱的任务。补全一个函数名，解释一个常见的 Python 报错，格式化一段代码，这些活儿根本不需要顶级模型。大概只有 20% 的请求真正需要强大的推理能力，比如多步骤的调试、复杂的架构设计、深度的代码审查。但我之前为了省事，把所有请求都扔给了 Opus，因为手动切换模型太烦了。每次都要想"这个请求值不值得用 Opus"，这种决策疲劳让我干脆躺平，直接设置默认模型为最贵档，结果就是在默默地大出血。
这就像一个惯性陷阱。OpenClaw 默认配置简单，贴个 API key 就能跑，但没人告诉你这背后是按量计费的血盆大口。Anthropic 的 API 定价听起来便宜，每百万 token 几美元，但当你一个月烧掉几亿个 token 时，账单就变成了天文数字。我看到网上有人说 Federico Viticci 一个月烧了 3600 美元，Reddit 上有人一天花了 200 美元，还有开发者晒出 623 美元的月账单。
这些故事都指向同一个问题：OpenClaw 本身不贵，贵的是无脑使用 API 的惯性。
ClawRouter 诞生：一个智能中间层的疯狂想法
那个失眠的夜晚我决定做点什么。既然手动选模型太烦，那我能不能让程序帮我选？这个想法像闪电一样劈中我。我需要一个中间层，一个坐在 OpenClaw 和 AI 提供商之间的智能路由器。每次我发请求时，这个路由器先偷偷看一眼我要干什么，然后自动挑一个最便宜但能搞定的模型。简单补全扔给便宜货，复杂推理才找 Opus。这就是 ClawRouter 的雏形，名字简单粗暴，就是"爪子路由器"的意思。
我开始动手写代码。核心是一个评分系统，它要在不到一毫秒的时间里分析请求的十四个维度：代码复杂度、推理深度、上下文长度、是否需要结构化输出、语言类型、任务类型等等。一毫秒！比眨眼快一百倍。这意味着用户根本感知不到路由的存在，没有额外的 API 调用，没有延迟，请求只是悄悄去了该去的地方。
我把简单任务分配给每百万 token 只要 0.28 美元的模型，基础代码问题扔给 2.5 美元的 GPT-4o，复杂调试找 3 美元的 Claude Sonnet，只有真正的难题才配用 25 美元的 Opus。
每一次都是"对的工具做对的事"。
技术揭秘：十四维评分系统的魔法
ClawRouter 的核心竞争力在于那个十四维评分系统。这不是简单的关键词匹配，而是一套复杂的启发式算法。当请求进来时，系统会快速扫描：这串代码有多少层嵌套？涉及多少种数据结构？需要几步推理才能解决？上下文窗口有多大？输出格式是简单的文本还是复杂的 JSON？这些问题在一毫秒内全部算完，然后匹配到最合适的模型。
比如，你输入"补全这个函数名 def calculate_"，系统立刻识别这是简单补全，复杂度得分极低，直接路由到最便宜的模型。但如果你输入"帮我设计一个支持百万并发的分布式系统架构，考虑容错和一致性"，系统会检测到高复杂度、多步骤推理、长上下文，于是把请求分配给 Opus。整个过程对用户完全透明，你只需要像平常一样使用 OpenClaw，但账单却开始断崖式下跌。
更妙的是，ClawRouter 集成了 x402 微支付协议和统一的 USDC 钱包。这意味着你只需要在一个钱包里存点 USDC，就能访问 30 多个模型，横跨 OpenAI、Anthropic、Google、DeepSeek、Kimi 2.5 和 xAI。不需要在每个平台注册账号，不需要管理一堆 API key，一个钱包打通所有模型。这就像是 AI 世界的通用货币，彻底解决了多平台管理的痛点。
开源风暴：48 小时 400 星的疯狂
我把 ClawRouter 开源了，想着可能有人跟我是同样的冤大头。上周上传到 GitHub，写了点文档，在 X 上发了个帖子。结果 48 小时内，项目收获了 400 个 Star。400 个！这意味着至少有 400 个开发者觉得这个工具解决了他们的痛点。现在 Star 数已经涨到 652，Fork 了 63 次，用 TypeScript 写成，代码还在快速迭代。
这个数字背后是一个被忽视的真相：太多人正在像我一样无意识地为 AI API 付费。大家被"按量计费"的低价表象迷惑，没意识到高频使用下的累积效应。ClawRouter 的出现就像一盆冷水，让大家意识到模型选择的重要性。GitHub 上的反响证明这不是个伪需求，而是切切实实的痛点。
安装与配置：三分钟拯救你的钱包
使用 ClawRouter 简单到离谱。你只需要安装插件，把模型设置为 "blockrun/auto"，然后在 Base 链上配置一个存了 USDC 的钱包，完事。从那一刻起，每一个请求都会自动路由。你不需要再思考"这个请求该用哪个模型"，系统帮你做决定。你的 OpenClaw 体验完全不变，但账单上的数字会开始友好起来。
配置过程就像是给你的 AI 助手装了一个智能大脑。钱包里的 USDC 像是一个预付费账户，每次请求只扣一点点，而且因为路由到了便宜模型，同样多的钱能用更久。支持 Base 链是因为交易速度快、费用低，适合微支付场景。这种设计把区块链和 AI 结合得很巧妙，既解决了支付问题，又提供了模型聚合的便利。
项目介绍
ClawRouter 的设计宗旨是：
- 降低 AI 推理费用：通过智能地在多个模型之间路由请求，实现高达 约 78% 的成本节省。
- 统一支付机制：所有推理调用使用 单一钱包 + x402 USDC 微支付协议 结算，无需为每个模型或服务管理不同的 API 密钥。
工作原理（简化版）
ClawRouter 像一个中间层，它挂在 OpenClaw 这样的代理系统和各种 LLM 供应商之间：
- 分类请求它先对每个请求进行分类（比如简单问答、代码生成、复杂推理等）。大部分分类由一个轻量规则引擎快速完成。
- 模型匹配 & 路由根据分类结果选择最便宜、能满足需求的模型（例如简单问题用低价模型，复杂推理用高质量模型）。
- 支付 & 执行通过 x402 USDC 微支付协议 支付调用费用，钱包直接在 Base 链上完成支付，无需 API key。
- 日志 & 统计每次调用都会记录成本和决策信息，便于后续优化和监控。
支持的模型与供应商
ClawRouter 支持 30+ AI 模型，包括来自各种主流供应商（如 OpenAI、Anthropic、Google Gemini、DeepSeek、xAI 等）的模型版本。
这意味着你可以：
- 用低价模型处理简单对话
- 用高质量模型处理复杂需求
- 并且自动平衡成本与质量
⚙️ 如何使用
项目作为 OpenClaw 插件 安装后，常见用法示例：
# 安装插件（OpenClaw 环境） |
之后 ClawRouter 会拦截并优化所有请求调用。
典型应用场景
- AI 成本优化：在应用中自动调用最合适且最便宜的模型，节省支出。
- 多模型智能体系统：构建需要不同能力模型协同的 Agent 系统。
- 计费与微交易：基于 x402 协议实现按调用付费的服务计费体系。
- 企业级推理成本管理：统一钱包和支付逻辑，更易于审计和预算管理。
独特性评价：从个人痛点到通用解决方案
ClawRouter 的独特之处在于它解决了一个被行业忽视但影响巨大的问题：模型选择的认知负担和成本浪费。市面上有很多模型聚合平台（比如 OpenRouter），但它们大多只是提供访问入口，不会智能路由。ClawRouter 的自动评分和路由系统是核心差异点，它把"选择合适的模型"这个决策自动化了，让用户可以无脑使用但又能省钱。
另一个独特之处是支付层的创新。用 USDC 和 x402 协议做统一支付，这在 AI 工具里还比较少见。这种设计天然适合全球化的 AI 服务，避免了跨境支付的麻烦。而且只支持 Base 链，显示出作者对 Layer 2 解决方案的偏好，追求低成本和高速度。
不过，ClawRouter 也有潜在挑战。十四维评分系统的准确性需要大量数据验证，会不会有时候把复杂任务误判为简单任务，导致输出质量下降？另外，依赖单一钱包和特定区块链，对于不熟悉 crypto 的开发者可能有门槛。但这些都是可以迭代优化的问题，核心架构已经立住了。