（418期）usewhisper-autohook – AI 对话自动记忆与 Token 优化

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。 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： getwhispercontext：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 ingestwhisperturn：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 userid/chatid 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：userid/sessionid 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：WHISPERCONTEXTAPI_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 原始说明 Automatically fetches and injects Whisper memory context before responses and ingests conversation turns after, optimizing token usage for Telegram agents.