核心用法
Whisper Context 是专为 OpenClaw 设计的官方技能，通过 Node.js 运行时提供上下文压缩与长期记忆服务。核心功能围绕 whisper-context.mjs 展开，主要包含三大能力：
上下文压缩与检索：query_context 命令采用增量压缩（delta compression）策略，仅返回与当前查询相关的差异上下文，配合内置缓存机制显著降低 token 消耗。建议在调用模型前始终执行此命令，将返回的 context 注入提示词而非重复发送完整对话历史。
会话持久化：ingest_session 将用户-助手对话轮次写入长期记忆，支持通过 memory_write/memory_search 进行结构化存储与语义检索，实现跨会话的记忆连续性。
辅助工具集：oracle_search 提供深度研究模式，get_cost_summary 与 cache_stats 提供可量化的成本节约证明。
显著优点
- 成本优化导向：设计理念直击 OpenClaw 场景的核心痛点——API 账单膨胀。delta 压缩策略在对话密集型场景中可带来数十倍 token 削减。
- 零依赖架构：纯 Node.js 实现，无需额外 npm 包，降低供应链攻击面。
- 渐进式集成：环境变量配置简洁，项目自动创建，对现有代理侵入性极低。
- 可观测性强：内置成本分析接口，便于验证 ROI。
潜在缺点与局限性
- 供应商锁定：API 端点固定为 Whisper 托管服务，无自托管选项，长期可用性依赖第三方。
- 网络依赖：所有核心功能（压缩、记忆、缓存）均需实时 HTTPS 连接，离线场景不可用。
- 隐私权衡：
ingest_session需外发完整对话内容至 Whisper 服务端，敏感数据场景需额外评估。 - 调试复杂度：delta 压缩的黑箱特性可能导致上下文缺失问题难以定位。
适合人群
- 运行高并发、长对话链 OpenClaw 代理的开发者
- 对 API 成本敏感且愿以轻微延迟换取 token 节约的团队
- 需要跨会话用户记忆的产品场景（客服、个人助手等）
常规风险
- 密钥泄露：
WHISPER_CONTEXT_API_KEY需严格隔离于版本控制外 - 超时累积：默认 30s 超时在复杂
oracle_search调用中可能不足 - 缓存失效：不当的
user_id/session_id管理会导致缓存命中率骤降，反增成本