成本逻辑：API 计价 vs 订阅制

API 是 token 计价，每一轮对话、每一次工具调用都在烧钱。当 Agent 开始长时间在线、自主运行、反复交互时，成本曲线会指数级上升。

订阅制是固定月费。Claude Max 每月 $200，不限量使用 Opus 4.6。两种计价模型在"偶尔对话"场景下差异不大，但在"Agent 持续运行"场景下会彻底分离。

这套方案的做法很直接：不走 API，改用订阅制 + 官方 CLI，再通过 OpenClaw 把 CLI 包装成可调用的服务接口。

架构设计：CLI 负责思考，OpenClaw 负责行动

整个系统的核心哲学一句话就能说清楚——把 CLI 变成 API。

Claude CLI 只负责推理和思考，OpenClaw 负责执行动作。这种分离带来几个实际好处：不需要 TTY 模拟，不需要跳过权限确认弹窗，也不会踩 CLI Agent 模式下的各种坑。

最终得到的是一个具备完整能力的 Agent：对话、文件读写、Shell 指令执行、浏览器操作、持久记忆，所有请求都走官方 binary。

为什么一定要跑在 EC2 上

当一个 Agent 拥有读写文件、执行 Shell、操作浏览器的权限，它就不再是聊天工具。如果放在本机运行，等于把 SSH keys、密码管理器、浏览器 session 全部暴露给 AI。

EC2 是一台可销毁的干净宿主。出问题直接 terminate 重建，没有残留风险。AWS Free Tier 足够覆盖一台轻量实例的成本，所以整套方案的固定支出就是 Claude Max 的 $200/月。

实作中最大的坑：E2BIG

部署过程中最棘手的问题不是模型，而是 Linux 本身。CLI 参数长度有系统上限，而 OpenClaw 的 system prompt 加上 tool schema 的体积会直接撑爆这个限制，触发 E2BIG 错误。

解法是把 prompt 改走 stdin 传入，绕过命令行参数长度限制，系统瞬间稳定。

另一个需要处理的点是 streaming。claude --print 并不是真正的 streaming 输出，解决方案是用 simulated stream 返回 SSE，实测稳定性没有问题。

此外，OpenClaw 不读 OPENAI_BASE_URL 环境变量，必须通过 models.providers 手动注册自定义模型，这一步容易被忽略。

一键部署：30 分钟内完成

这套方案最初的部署时间大约 2.5 小时，经过流程脚本化之后，已经压缩到 30 分钟以内。完整步骤只有四步：

  1. 开一台 EC2 实例
  2. 订阅 Claude Max
  3. 创建一个 Telegram Bot 作为交互入口
  4. 执行 bash setup.sh

整个部署脚本和配置文件已开源在 GitHub 上（仓库：openclaw-claude-proxy）。

真正改变的不是成本，而是交互模式

固定成本当然重要，但更本质的变化在于人和 AI 的关系发生了反转。

以前的模式是：你打开电脑，主动使用 AI。现在的模式是：AI 长期在线，等你随时呼叫。通过 Telegram Bot，你可以在手机上随时和一个满血 Opus 4.6 Agent 对话，它能读文件、跑命令、操作浏览器，而不只是回复文字。

模型从工具变成了协作者。

对于独立开发者和一人公司来说，$200/月换一个 24/7 在线、具备完整执行能力的 AI Agent，这笔账值得认真算一算——尤其是当你的工作流已经开始依赖 Agent 持续运行，而不只是偶尔问几个问题的时候。