本周游戏AI实验室完成一轮面向叙事类游戏的NPC长期记忆实验。目标是在不显著影响响应延迟的前提下，让NPC在数十小时游玩后仍记得玩家此前的承诺、偏好与关键抉择，且人设不漂移。
实现上把记忆拆成三层：会话内短期上下文、按事件抽取的结构化档案（人物、地点、承诺、态度）、以及可检索的向量片段。每轮对话先由轻量模型判断是否值得写入档案，生成前再按「相关性＋时效＋人设权重」召回少量条目，避免上下文膨胀与信息淹没。
要点：
- 进展：在内部测试剧本中，关键设定问答一致率由基线62%提升至89%，单轮额外延迟控制在180ms以内。
- 下一步：引入玩家情绪与关系状态建模，并增加记忆冲突检测，处理NPC前后说法矛盾、以及玩家试探性提问导致错误记忆固化的问题。
结论上，长期记忆的效果更依赖写入与召回的取舍策略，而非单纯扩大上下文窗口。
评论