AI 对话自动记忆与 Token 优化

OpenClaw 官方社区技能，为 Telegram 等 Agent 提供自动长期记忆注入与对话归档，支持 OpenAI/Anthropic 代理模式压缩 Token 消耗。

基本信息

• 技能名称?usewhisper-autohook
• 中文名称?AI 对话自动记忆与 Token 优化
• 作者?Alinxus
• 分类?AI 增强
• 版本?v1.0.0
• 标签?automation, api, backend, productivity, content-media, telegram, memory-management, llm-optimization

使用方法

使用说明
核心用法
usewhisper-autohook 是专为 OpenClaw 框架设计的记忆自动化钩子技能，通过两个核心工具实现"零感知"长期记忆：

1. get_whisper_context ：在每次生成响应前自动查询用户历史记忆，将相关上下文注入当前提示词
2. ingest_whisper_turn ：在对话完成后自动归档本轮对话，形成可检索的长期记忆
   该技能采用智能压缩策略（delta 压缩 + 缓存），默认启用 token 节省配置，并自动管理 context_hash 实现增量更新。对于无法控制提示词构造的框架，提供 OpenAI 兼容代理和 Anthropic 原生代理两种模式，在网络层拦截并精简请求体。
   显著优点
   开箱即用的自动化 ：通过系统提示词模板即可实现记忆循环，无需修改业务代码
   Token 成本优化 ：delta 压缩策略仅传输变化内容，配合缓存机制显著降低 API 调用成本
   多平台适配 ：原生支持 Telegram 的 user_id/chat_id 映射，同时提供 OpenAI/Anthropic 双代理模式适配各类框架
   零第三方依赖 ：仅使用 Node.js 内置模块，无 npm 依赖树风险，部署轻量
   本地状态持久化 ：自动维护 per-user/session 的状态文件，支持离线场景下的上下文恢复
   潜在缺点与局限性
   外部服务依赖 ：核心功能依赖 Whisper Context API，离线环境或 API 服务中断时功能失效
   隐私数据出境 ：所有对话内容需传输至第三方记忆服务，对数据主权敏感场景不适用
   T3 来源维护 ：由个人/社区开发者维护，长期更新承诺和 SLA 无保障
   代理模式复杂度 ：OpenAI/Anthropic 代理需额外端口配置和请求头传递，增加部署复杂度
   输入验证有限 ：user_id/session_id 等关键参数仅做空值检查，缺乏格式强校验
   适合的目标群体
   Telegram Bot 开发者 ：需要为对话机器人添加长期记忆能力，且使用 OpenClaw 框架
   Token 成本敏感型应用 ：高频对话场景下希望通过记忆压缩降低 LLM API 支出
   快速原型验证团队 ：希望以最小代码改动为现有 Agent 增加记忆功能，不愿自建记忆基础设施
   多会话状态管理需求 ：需要跨 session 保持用户上下文的客服、教育、陪伴类应用
   使用风险
   API Key 泄露风险 ： WHISPER_CONTEXT_API_KEY 需妥善保管，建议配合密钥管理系统使用
   代理模式暴露面 ：虽默认绑定 127.0.0.1，但错误配置可能将代理暴露至公网
   状态文件权限 ：本地状态文件存储敏感对话索引，需确保文件权限为 600 防止本地越权读取
   服务连续性风险 ：依赖外部 Whisper Context 服务，需评估供应商稳定性并设计降级方案
   数据留存合规 ：对话内容持久化至第三方，需确认符合 GDPR、CCPA 等数据保护法规要求