技术知识库 · 工具评测 · · 国科智飞 Gavin
ClawRouter：Agent 原生的 LLM 路由代理
本地 OpenAI 兼容代理，按 15 维信号给请求分层选模型，用 x402 钱包让 Agent 自己付费，官方称可降低 90% 以上的 LLM 调用成本。
ClawRouter 是 BlockRunAI 开源的 LLM 路由代理，MIT 许可。需要先澄清一个常见误解：它不是本地推理引擎，不是 Ollama 的替代品，而是一层本地决策网关——请求仍然转发到云端模型，但在本地完成路由决策，支付走独立的网关层。官方卖点很直接：让 AI Agent 自己选模型、自己付钱，号称可把 LLM 调用成本降低 90% 以上。这两个能力分开看都不新鲜，组合在一起才构成它的定位：省钱的决策在本地做，付费的授权交给钱包。
能力与亮点
四档路由 Profile。 free（8 个免注册的 NVIDIA 免费模型）、eco（极致省钱）、auto（默认，成本与质量均衡）、premium（质量优先）。不同工作负载可以挂不同档位，而不是全局二选一。
15 维加权评分 + 4 级任务分层。 评分维度包括 token 量、代码密度、推理标记、技术术语、多步模式、命令动词、约束数量、输出格式、多语言关键词、Agent 行为动词等，然后把请求归入 SIMPLE / MEDIUM / COMPLEX / REASONING 四层，匹配对应档位的模型。路由是纯本地计算，官方称时延低于 1ms。
55+ 模型生态。 覆盖 OpenAI、Anthropic、Google、DeepSeek、Moonshot-Kimi、xAI、MiniMax、Z.AI 等主流供应商，另有 8 个免费模型可用于零成本起步。
七层 Token 压缩。 去重、空白规整、字典替换、路径缩短、JSON 压缩、观察压缩（官方称最多可减 97%）、动态码本，整体降幅 15–40%。Agent 循环里工具输出的 token 消耗远大于对话本身，所以这项对 Agent 场景的收益比对聊天场景更明显。
Fallback 与稳定性机制。 每个 tier 有多个候选模型，按错误类型（401/402/429/5xx、空响应、内容退化）分类处理，带 per-model 冷却。Session Pinning 让长任务锁定同一模型，避免中途切换导致行为不一致——这一点对需要连续推理的编程任务很重要。
花费控制与"预算物理化"。 支持单次、每小时、每日、会话预算与滚动窗口，超限可以选择优雅降级或直接返回 429。更值得借鉴的是它把预算变成了物理约束：钱包里只放计划花掉的钱，Agent 就不可能超支。对跑自动化循环的 Agent 来说，代码里的限额会被 bug 绕过，钱包余额不会——这是防止"夜里烧掉一个月预算"最可靠的一层。
成本可视化。 响应头返回 profile/tier/model/confidence/cost/savings，本地有 JSONL 日志与 /stats 端点，账单和效果都能查。
x402 支付与钱包身份。 用 BIP-39 助记词派生 Base（EVM）与 Solana 钱包，仅以 USDC 按次结算，私钥只在本地签名、不上传。常规 API 需要账号加信用卡，Agent 做不了；x402 用钱包签名替代了注册与订阅流程，这是"Agent 自主付费"能成立的前提。项目获 USDC Hackathon 的 Agentic Commerce 类别冠军，也说明这条路线的方向被行业认可。
不止模型路由。 它还提供图像/视频生成、电话与语音（Twilio + Bland.ai）、市场与金融数据、预测市场等 Agent 工具，以及可直接用 SQL 查询的加密数据服务。这些能力通过同一个入口暴露，对做多工具 Agent 的团队省去了一家一家接的麻烦。
接入成本低。 npm 全局安装、npx 直接运行、Docker，或作为 OpenClaw 插件；对外是统一的 OpenAI 兼容接口，Cursor、VS Code、continue.dev 或任意 OpenAI SDK 客户端只需改 base_url 和 api_key。
局限与坑
不是本地推理。 请求多了一跳（本地代理 → BlockRun 网关 → 云端模型），网络延迟与网关可用性依赖第三方。把网关不可用时的直连降级预案提前写好。
支付只有 USDC。 面向国内企业客户时，结算与合规需要自行适配；钱包安全也完全自负。建议只把它当 spending wallet，里面只放计划花掉的预算，不要长期存放大额资产。
免费模型能力有限。 free 档能应付简单任务，复杂逻辑仍要走 premium。把免费额度当兜底可以，当主力不现实。
"降本 90%+"是官方口径。 实际幅度取决于请求分布：简单请求占比越高、观察输出越大，收益越明显；推理密集型负载的降本会小得多。用自己一周的真实流量抽样验证，别拿宣传数字做预算。
项目迭代快。 文档与实际行为可能不一致；路由是黑盒决策，出问题时主要靠响应头和日志排查，需要一定调试耐心。它也不是"接上就省钱"的魔法：收益来自请求分布与压缩效果，接入前最好先想清楚自己的流量结构。
适用场景
- 已使用 OpenAI 兼容接口、想"不换模型不重写代码"降低 LLM 账单的团队；
- Agent 类工作负载：工具调用循环多、观察输出大，分层路由与 Token 压缩收益最大；
- Web3/加密方向的团队，愿意用 USDC 按次付费，需要 Agent 自主结算能力；
- 有单一供应商绑定焦虑，需要自动 fallback 与多模型容灾的架构；
- 请求以简单问答为主的产品（客服问答、信息检索、日常自动化），免费与 eco 档就能覆盖大部分调用量；
- 开发者在多个模型间手动切换过于频繁，想让路由决策自动化的场景。
选型建议
先做一周灰度：把 base_url 指向本地代理，用 auto 档跑真实任务，记录响应头里的 cost 与 savings，对比原账单再决定是否长期使用。对成本敏感又怕质量下降的，可以从 eco 起步只覆盖简单任务，复杂任务 pin 到 premium。
企业环境要先解决两件事：USDC 结算的合规路径，以及网关不可用时的直连降级方案。和 LiteLLM、OpenRouter 这类聚合网关对比时，ClawRouter 的差异点是本地路由决策、加密支付，以及面向 Agent 的压缩与预算控制；如果诉求只是多供应商聚合，传统方案已经够用。换个角度看，它同时占了四个位置——开源、本地路由、加密原生支付、Agent 就绪，市面上能全占的不多，这也是它最清晰的选型理由。MIT 许可可商用。