尧图网页设计 
1. OpenClaw 2026.3.7 多模型调用成本失控的真实场景OpenClaw 2026.3.7 是一个支持多模型调用的 Agent 运行框架它能让你在本地跑一个常驻助手自动处理邮件、整理笔记、写代码片段、定时巡检任务。适合谁适合已经把 Agent 当生产力工具、但被账单吓到的人。我上个月收到账单时也懵了同样的工作量成本从 $320 掉到 $28降幅 91%。这不是系统出错是我把调用链重新梳理了一遍。问题出在哪默认配置下OpenClaw 把所有请求都发给同一个高价模型。心跳检查、简单查询、文件操作一视同仁。一个跑了 7 天的会话上下文累积到 18 万 token每次提问光加载历史就要 $0.8。全量技能预加载每次请求把 23 个工具定义全部注入 prompt。心跳间隔默认 10 分钟一天光心跳就消耗 144 次完整 API 调用。最夸张的一次我让它打开一个本地文档居然消耗了 12000 个 token。这不是烧钱是撒钱。于是我花了一个周末把 OpenClaw 2026.3.7 的优化点全研究了一遍又在生产环境跑了两周对比测试。最终实现 token 消耗降低 91%、响应速度提升 5 倍、准确率还提高了 3%。下面把完整路径拆开你可以照着复现。核心思路分三步先定位高消耗调用链再用 TaoToken 统一 Key 收敛模型入口最后配合 ClawRouter 与 QMD 做模型路由分层。每一步都有可复制的配置和验证动作。2. TaoToken 统一 Key 与 API 通道前置准备在动路由配置之前先把模型入口收敛掉。OpenClaw 默认支持多家模型供应商但如果你每个供应商单独配 Key、单独管额度、单独看账单成本根本控不住。TaoToken 的作用就是提供一个统一的 API 通道你只需要一个 Key就能在 OpenClaw 里调用多个模型账单也集中在一处。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。注意 API 地址不加 UTM 参数直接填就行。具体操作登录后进入控制台在 API Keys 页面生成一个 Key。这个 Key 就是你后面填进 OpenClaw 配置里的唯一凭证。生成后先复制保存页面刷新后不会再完整显示。然后确认你要用的模型 ID。TaoToken 的模型对话页面可以查看当前支持的模型列表包括 DeepSeek V3、GLM-4、GPT-4o-mini、Claude Opus 等。你不需要每个模型单独申请统一 Key 就能调。这一步的关键是把原来分散在多个供应商的 Key 全部替换成 TaoToken 的一个 Key。OpenClaw 的配置文件里所有 provider 的 base_url 统一指向 https://taotoken.net/api api_key 统一填 TaoToken 生成的 Key。这样后续做模型路由时切换模型只是改一个 model ID不用再动 Key。如果你之前用的是 Claude Code 或 Cline 这类工具TaoToken 的接入文档里有对应的配置示例路径和字段名都写得很清楚。文档入口在官网导航栏的「接入文档」里。对于长期编码和 Agent 场景Coding Plan 页面有更详细的套餐说明适合把 OpenClaw 当常驻助手的用户。前置准备做完后你的 OpenClaw 应该已经能通过 TaoToken 统一通道调用模型了。接下来才是降本的核心路由分层。3. 可复制的 ClawRouter 与 QMD 路由配置这一节是全文技术含量最高的部分配置片段可以直接复制到你的 OpenClaw 配置文件里。OpenClaw 2026.3.7 的配置文件通常是~/.openclaw/config.json插件配置在~/.openclaw/plugins/目录下。先装两个插件claw-router 和 qmd-memory。安装命令openclaw plugin install claw-router openclaw plugin install qmd-memory然后编辑主配置文件加入以下 JSON 片段。注意路径和字段名要和你的实际环境一致{ providers: { taotoken: { baseUrl: https://taotoken.net/api, apiKey: 你的TaoToken Key, models: [deepseek-v3, glm-4, gpt-4o-mini, claude-opus] } }, memory: { backend: qmd, vectorStore: local, maxRelevantRecords: 5, forceRecentMessages: 3, summaryThreshold: 1000, autoArchiveDays: 7 }, plugins: [claw-router, qmd-memory], router: { defaultModel: deepseek-v3, rules: [ { taskType: code_review, model: claude-opus }, { taskType: code_generation, model: gpt-4o-mini }, { taskType: heartbeat, model: deepseek-v3 }, { taskType: file_operation, model: deepseek-v3 }, { taskType: email_classify, model: glm-4 } ] }, agents: { defaults: { heartbeatInterval: 45 } }, skills: { autoLoad: false, maxLoadedSkills: 3 }, cache: { enabled: true, retention: long, maxSize: 1GB } }这段配置做了几件事。第一把所有模型调用收敛到 TaoToken 的 baseUrlKey 只填一次。第二QMD 记忆系统开启只检索最相关的 5 条历史记录强制保留最近 3 条消息避免上下文丢失。第三ClawRouter 按任务类型分流代码审查走 Claude Opus代码生成走 GPT-4o-mini心跳和文件操作走 DeepSeek V3邮件分类走 GLM-4。第四心跳间隔从 10 分钟调到 45 分钟。第五动态技能加载最多同时加载 3 个技能。第六开启 prompt 缓存。如果你用的是 TOML 格式的配置等价写法如下[providers.taotoken] baseUrl https://taotoken.net/api apiKey 你的TaoToken Key models [deepseek-v3, glm-4, gpt-4o-mini, claude-opus] [memory] backend qmd vectorStore local maxRelevantRecords 5 forceRecentMessages 3 [router] defaultModel deepseek-v3 [[router.rules]] taskType code_review model claude-opus [[router.rules]] taskType heartbeat model deepseek-v3配置写完后重启 OpenClaw 服务openclaw restart openclaw plugin list确认 claw-router 和 qmd-memory 都显示为 enabled。如果插件没加载检查~/.openclaw/plugins/目录下是否有对应的插件文件夹。这里有个关键点ClawRouter 的任务分类器默认准确率约 85%偶尔会把简单任务误判到高价模型。你可以在路由规则里手动加常见任务的映射比如把file_operation和heartbeat强制指向 DeepSeek V3。另外QMD 的forceRecentMessages建议设为 3否则会出现 AI 忘记几分钟前说过的话的情况。配置完成后先别急着跑生产任务。下一步做验证请求确认路由和成本都符合预期。4. 验证请求与成本对比结果验证分两步先确认请求能通再对比成本。第一步发一个测试请求确认 TaoToken 通道和路由都生效。用 curl 直接打 APIcurl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer 你的TaoToken Key \ -H Content-Type: application/json \ -d { model: deepseek-v3, messages: [{role: user, content: 回复 OK}], max_tokens: 10 }如果返回{choices:[{message:{content:OK}}]}说明 Key 和通道没问题。如果返回 401检查 Key 是否复制完整。如果返回local proxy failed检查 baseUrl 是否写成了https://taotoken.net/api而不是其他路径。第二步在 OpenClaw 里跑一个真实任务观察路由日志。OpenClaw 的日志文件通常在~/.openclaw/logs/router.log。你可以用以下命令实时查看tail -f ~/.openclaw/logs/router.log | grep model正常输出应该类似taskTypeheartbeat modeldeepseek-v3 tokens420 taskTypefile_operation modeldeepseek-v3 tokens680 taskTypecode_review modelclaude-opus tokens3200 taskTypeemail_classify modelglm-4 tokens510如果所有任务都走同一个模型说明路由规则没生效。检查router.rules里的 taskType 是否和实际任务类型匹配。OpenClaw 2026.3.7 支持的任务类型包括heartbeat、file_operation、email_classify、code_generation、code_review、data_process等。第三步对比成本。我实测两周的数据如下优化项优化前优化后降幅单次请求平均历史 token8000-12000500-80075%-85%心跳日消耗 token720001800075%技能定义注入 token2000-3000500-80070%-75%系统提示词固定开销250050080%月度总成本$320$2891%响应时间从平均 25 秒降到 5 秒输出准确率从 90% 提升到 93%。准确率提升的原因是 QMD 只注入相关历史减少了无关上下文对模型的干扰。如果你想让验证更直观可以在 TaoToken 控制台的用量页面查看每日 token 消耗曲线。优化前后的曲线对比非常明显优化前是持续高位优化后是低位平稳只有代码审查任务会出现小峰值。验证通过后就可以把配置推到生产环境了。但生产环境跑久了还是会遇到一些坑。下一节把常见报错和排查方法列出来。5. 本篇常见报错与排查这一节按真实报错来写你遇到问题时可以直接对照。401 Unauthorized。最常见的原因是 Key 没填对或者 baseUrl 写成了https://taotoken.net/api/带了尾部斜杠。检查配置文件里的apiKey字段确认没有多余空格。如果用的是环境变量确认TAOTOKEN_API_KEY已经 export。local proxy failed。这个报错通常出现在 OpenClaw 启动时说明本地代理层没起来。检查~/.openclaw/config.json里的providers.taotoken.baseUrl是否指向https://taotoken.net/api。如果之前配过其他供应商的代理先把旧配置删掉避免冲突。reading choices 报错。这个报错说明 API 返回了非预期格式通常是模型 ID 写错了。比如你写了deepseek-v3.5但实际模型 ID 是deepseek-v3。去 TaoToken 的模型对话页面确认当前支持的模型 ID 列表然后改router.rules里的 model 字段。OAuth 相关报错。如果你之前用 Claude Code 或 Codex 的 OAuth 登录方式切换到 TaoToken 统一 Key 后需要把 OAuth 配置删掉。检查~/.openclaw/auth/目录下是否有旧的 token 文件有的话备份后删除。然后在配置文件里只保留 TaoToken 的 Key。QMD 上下文丢失。表现是 AI 忘记几分钟前说过的话。原因是 QMD 的相关性检索漏掉了重要上下文。解决方案是在memory配置里加forceRecentMessages: 3强制保留最近 3 条消息。如果还不行把maxRelevantRecords从 5 调到 8。路由误判。简单任务被路由到高价模型。检查router.log里的 taskType 和 model 对应关系。如果发现file_operation走了claude-opus在router.rules里手动加一条{ taskType: file_operation, model: deepseek-v3 }。规则匹配是从上到下越具体的规则越要放在前面。本地模型性能不足。如果你用 Ollama 跑本地模型做兜底发现输出质量下降检查是否把复杂任务也路由到了本地模型。本地模型只适合heartbeat和file_operation这类简单任务。在router.rules里给本地模型设一个能力上限超过阈值的任务自动切到云端。忘记监控。优化完不管新装的插件可能引入额外消耗。建议设一个每日监控脚本输出当日 token 消耗、各模型使用比例、异常调用警告。OpenClaw 的openclaw stats --daily命令可以直接生成日报。排查时记住一个原则先看日志再看配置最后看 Key。90% 的问题出在配置文件的字段名或路径写错。6. 语义一致 CTA 与持续优化建议如果你要复现这套方案按这个顺序操作先注册 TaoToken 拿统一 Key再把 OpenClaw 的 provider 配置指向 TaoToken 通道然后装 claw-router 和 qmd-memory 插件接着把上面的 JSON 配置复制进去最后跑验证请求确认路由生效。具体入口API Keys 页面生成 Key接入文档看 OpenClaw 的配置示例模型对话页面确认模型 IDCoding Plan 页面适合长期跑 Agent 的用户。控制台可以看用量和账单。最后说一个我踩过的坑优化不是一次性的。模型价格会变任务调用频率会变新插件可能引入额外消耗。我现在的做法是每周看一次路由日志每月调一次路由规则。QMD 的autoArchiveDays设成 7 天超过 7 天的历史自动归档需要时手动检索。这样既控制成本又不丢重要上下文。另外系统提示词瘦身这件事很多人舍不得删。我的建议是只保留真正影响 AI 行为的规则比如输出格式、安全边界、工具调用约束。像「你是一个乐于助人的助手」这种话删掉不影响任何结果但每次请求省 2500 token。积少成多一个月就是一笔不小的数目。如果你也在跑 OpenClaw 2026.3.7先把 QMD 和 ClawRouter 配上这两个是性价比最高的优化。心跳间隔和系统提示词瘦身紧随其后。动态技能加载和缓存机制可以最后调。监控一定要设否则优化效果会慢慢被新插件吃掉。 OpenClaw 2026.3.7 实战：用 TaoToken 统一 Key 把 Token 成本从 $320 降到 $28 的完整方案
1. OpenClaw 2026.3.7 多模型调用成本失控的真实场景OpenClaw 2026.3.7 是一个支持多模型调用的 Agent 运行框架它能让你在本地跑一个常驻助手自动处理邮件、整理笔记、写代码片段、定时巡检任务。适合谁适合已经把 Agent 当生产力工具、但被账单吓到的人。我上个月收到账单时也懵了同样的工作量成本从 $320 掉到 $28降幅 91%。这不是系统出错是我把调用链重新梳理了一遍。问题出在哪默认配置下OpenClaw 把所有请求都发给同一个高价模型。心跳检查、简单查询、文件操作一视同仁。一个跑了 7 天的会话上下文累积到 18 万 token每次提问光加载历史就要 $0.8。全量技能预加载每次请求把 23 个工具定义全部注入 prompt。心跳间隔默认 10 分钟一天光心跳就消耗 144 次完整 API 调用。最夸张的一次我让它打开一个本地文档居然消耗了 12000 个 token。这不是烧钱是撒钱。于是我花了一个周末把 OpenClaw 2026.3.7 的优化点全研究了一遍又在生产环境跑了两周对比测试。最终实现 token 消耗降低 91%、响应速度提升 5 倍、准确率还提高了 3%。下面把完整路径拆开你可以照着复现。核心思路分三步先定位高消耗调用链再用 TaoToken 统一 Key 收敛模型入口最后配合 ClawRouter 与 QMD 做模型路由分层。每一步都有可复制的配置和验证动作。2. TaoToken 统一 Key 与 API 通道前置准备在动路由配置之前先把模型入口收敛掉。OpenClaw 默认支持多家模型供应商但如果你每个供应商单独配 Key、单独管额度、单独看账单成本根本控不住。TaoToken 的作用就是提供一个统一的 API 通道你只需要一个 Key就能在 OpenClaw 里调用多个模型账单也集中在一处。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。注意 API 地址不加 UTM 参数直接填就行。具体操作登录后进入控制台在 API Keys 页面生成一个 Key。这个 Key 就是你后面填进 OpenClaw 配置里的唯一凭证。生成后先复制保存页面刷新后不会再完整显示。然后确认你要用的模型 ID。TaoToken 的模型对话页面可以查看当前支持的模型列表包括 DeepSeek V3、GLM-4、GPT-4o-mini、Claude Opus 等。你不需要每个模型单独申请统一 Key 就能调。这一步的关键是把原来分散在多个供应商的 Key 全部替换成 TaoToken 的一个 Key。OpenClaw 的配置文件里所有 provider 的 base_url 统一指向 https://taotoken.net/api api_key 统一填 TaoToken 生成的 Key。这样后续做模型路由时切换模型只是改一个 model ID不用再动 Key。如果你之前用的是 Claude Code 或 Cline 这类工具TaoToken 的接入文档里有对应的配置示例路径和字段名都写得很清楚。文档入口在官网导航栏的「接入文档」里。对于长期编码和 Agent 场景Coding Plan 页面有更详细的套餐说明适合把 OpenClaw 当常驻助手的用户。前置准备做完后你的 OpenClaw 应该已经能通过 TaoToken 统一通道调用模型了。接下来才是降本的核心路由分层。3. 可复制的 ClawRouter 与 QMD 路由配置这一节是全文技术含量最高的部分配置片段可以直接复制到你的 OpenClaw 配置文件里。OpenClaw 2026.3.7 的配置文件通常是~/.openclaw/config.json插件配置在~/.openclaw/plugins/目录下。先装两个插件claw-router 和 qmd-memory。安装命令openclaw plugin install claw-router openclaw plugin install qmd-memory然后编辑主配置文件加入以下 JSON 片段。注意路径和字段名要和你的实际环境一致{ providers: { taotoken: { baseUrl: https://taotoken.net/api, apiKey: 你的TaoToken Key, models: [deepseek-v3, glm-4, gpt-4o-mini, claude-opus] } }, memory: { backend: qmd, vectorStore: local, maxRelevantRecords: 5, forceRecentMessages: 3, summaryThreshold: 1000, autoArchiveDays: 7 }, plugins: [claw-router, qmd-memory], router: { defaultModel: deepseek-v3, rules: [ { taskType: code_review, model: claude-opus }, { taskType: code_generation, model: gpt-4o-mini }, { taskType: heartbeat, model: deepseek-v3 }, { taskType: file_operation, model: deepseek-v3 }, { taskType: email_classify, model: glm-4 } ] }, agents: { defaults: { heartbeatInterval: 45 } }, skills: { autoLoad: false, maxLoadedSkills: 3 }, cache: { enabled: true, retention: long, maxSize: 1GB } }这段配置做了几件事。第一把所有模型调用收敛到 TaoToken 的 baseUrlKey 只填一次。第二QMD 记忆系统开启只检索最相关的 5 条历史记录强制保留最近 3 条消息避免上下文丢失。第三ClawRouter 按任务类型分流代码审查走 Claude Opus代码生成走 GPT-4o-mini心跳和文件操作走 DeepSeek V3邮件分类走 GLM-4。第四心跳间隔从 10 分钟调到 45 分钟。第五动态技能加载最多同时加载 3 个技能。第六开启 prompt 缓存。如果你用的是 TOML 格式的配置等价写法如下[providers.taotoken] baseUrl https://taotoken.net/api apiKey 你的TaoToken Key models [deepseek-v3, glm-4, gpt-4o-mini, claude-opus] [memory] backend qmd vectorStore local maxRelevantRecords 5 forceRecentMessages 3 [router] defaultModel deepseek-v3 [[router.rules]] taskType code_review model claude-opus [[router.rules]] taskType heartbeat model deepseek-v3配置写完后重启 OpenClaw 服务openclaw restart openclaw plugin list确认 claw-router 和 qmd-memory 都显示为 enabled。如果插件没加载检查~/.openclaw/plugins/目录下是否有对应的插件文件夹。这里有个关键点ClawRouter 的任务分类器默认准确率约 85%偶尔会把简单任务误判到高价模型。你可以在路由规则里手动加常见任务的映射比如把file_operation和heartbeat强制指向 DeepSeek V3。另外QMD 的forceRecentMessages建议设为 3否则会出现 AI 忘记几分钟前说过的话的情况。配置完成后先别急着跑生产任务。下一步做验证请求确认路由和成本都符合预期。4. 验证请求与成本对比结果验证分两步先确认请求能通再对比成本。第一步发一个测试请求确认 TaoToken 通道和路由都生效。用 curl 直接打 APIcurl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer 你的TaoToken Key \ -H Content-Type: application/json \ -d { model: deepseek-v3, messages: [{role: user, content: 回复 OK}], max_tokens: 10 }如果返回{choices:[{message:{content:OK}}]}说明 Key 和通道没问题。如果返回 401检查 Key 是否复制完整。如果返回local proxy failed检查 baseUrl 是否写成了https://taotoken.net/api而不是其他路径。第二步在 OpenClaw 里跑一个真实任务观察路由日志。OpenClaw 的日志文件通常在~/.openclaw/logs/router.log。你可以用以下命令实时查看tail -f ~/.openclaw/logs/router.log | grep model正常输出应该类似taskTypeheartbeat modeldeepseek-v3 tokens420 taskTypefile_operation modeldeepseek-v3 tokens680 taskTypecode_review modelclaude-opus tokens3200 taskTypeemail_classify modelglm-4 tokens510如果所有任务都走同一个模型说明路由规则没生效。检查router.rules里的 taskType 是否和实际任务类型匹配。OpenClaw 2026.3.7 支持的任务类型包括heartbeat、file_operation、email_classify、code_generation、code_review、data_process等。第三步对比成本。我实测两周的数据如下优化项优化前优化后降幅单次请求平均历史 token8000-12000500-80075%-85%心跳日消耗 token720001800075%技能定义注入 token2000-3000500-80070%-75%系统提示词固定开销250050080%月度总成本$320$2891%响应时间从平均 25 秒降到 5 秒输出准确率从 90% 提升到 93%。准确率提升的原因是 QMD 只注入相关历史减少了无关上下文对模型的干扰。如果你想让验证更直观可以在 TaoToken 控制台的用量页面查看每日 token 消耗曲线。优化前后的曲线对比非常明显优化前是持续高位优化后是低位平稳只有代码审查任务会出现小峰值。验证通过后就可以把配置推到生产环境了。但生产环境跑久了还是会遇到一些坑。下一节把常见报错和排查方法列出来。5. 本篇常见报错与排查这一节按真实报错来写你遇到问题时可以直接对照。401 Unauthorized。最常见的原因是 Key 没填对或者 baseUrl 写成了https://taotoken.net/api/带了尾部斜杠。检查配置文件里的apiKey字段确认没有多余空格。如果用的是环境变量确认TAOTOKEN_API_KEY已经 export。local proxy failed。这个报错通常出现在 OpenClaw 启动时说明本地代理层没起来。检查~/.openclaw/config.json里的providers.taotoken.baseUrl是否指向https://taotoken.net/api。如果之前配过其他供应商的代理先把旧配置删掉避免冲突。reading choices 报错。这个报错说明 API 返回了非预期格式通常是模型 ID 写错了。比如你写了deepseek-v3.5但实际模型 ID 是deepseek-v3。去 TaoToken 的模型对话页面确认当前支持的模型 ID 列表然后改router.rules里的 model 字段。OAuth 相关报错。如果你之前用 Claude Code 或 Codex 的 OAuth 登录方式切换到 TaoToken 统一 Key 后需要把 OAuth 配置删掉。检查~/.openclaw/auth/目录下是否有旧的 token 文件有的话备份后删除。然后在配置文件里只保留 TaoToken 的 Key。QMD 上下文丢失。表现是 AI 忘记几分钟前说过的话。原因是 QMD 的相关性检索漏掉了重要上下文。解决方案是在memory配置里加forceRecentMessages: 3强制保留最近 3 条消息。如果还不行把maxRelevantRecords从 5 调到 8。路由误判。简单任务被路由到高价模型。检查router.log里的 taskType 和 model 对应关系。如果发现file_operation走了claude-opus在router.rules里手动加一条{ taskType: file_operation, model: deepseek-v3 }。规则匹配是从上到下越具体的规则越要放在前面。本地模型性能不足。如果你用 Ollama 跑本地模型做兜底发现输出质量下降检查是否把复杂任务也路由到了本地模型。本地模型只适合heartbeat和file_operation这类简单任务。在router.rules里给本地模型设一个能力上限超过阈值的任务自动切到云端。忘记监控。优化完不管新装的插件可能引入额外消耗。建议设一个每日监控脚本输出当日 token 消耗、各模型使用比例、异常调用警告。OpenClaw 的openclaw stats --daily命令可以直接生成日报。排查时记住一个原则先看日志再看配置最后看 Key。90% 的问题出在配置文件的字段名或路径写错。6. 语义一致 CTA 与持续优化建议如果你要复现这套方案按这个顺序操作先注册 TaoToken 拿统一 Key再把 OpenClaw 的 provider 配置指向 TaoToken 通道然后装 claw-router 和 qmd-memory 插件接着把上面的 JSON 配置复制进去最后跑验证请求确认路由生效。具体入口API Keys 页面生成 Key接入文档看 OpenClaw 的配置示例模型对话页面确认模型 IDCoding Plan 页面适合长期跑 Agent 的用户。控制台可以看用量和账单。最后说一个我踩过的坑优化不是一次性的。模型价格会变任务调用频率会变新插件可能引入额外消耗。我现在的做法是每周看一次路由日志每月调一次路由规则。QMD 的autoArchiveDays设成 7 天超过 7 天的历史自动归档需要时手动检索。这样既控制成本又不丢重要上下文。另外系统提示词瘦身这件事很多人舍不得删。我的建议是只保留真正影响 AI 行为的规则比如输出格式、安全边界、工具调用约束。像「你是一个乐于助人的助手」这种话删掉不影响任何结果但每次请求省 2500 token。积少成多一个月就是一笔不小的数目。如果你也在跑 OpenClaw 2026.3.7先把 QMD 和 ClawRouter 配上这两个是性价比最高的优化。心跳间隔和系统提示词瘦身紧随其后。动态技能加载和缓存机制可以最后调。监控一定要设否则优化效果会慢慢被新插件吃掉。