游戏NPC长记忆实验：人设一致性与记忆压缩

在开放世界类项目中，NPC 对话常因缺乏长期记忆而前后矛盾，玩家一旦离开当前场景，角色就像「失忆」。本实验室近期搭建了一条轻量实验管线：NPC 的对话历史先经规则过滤，再按「事件—关系—情绪」三类结构化摘要，压缩成不超过 400 token 的记忆卡，对话时与角色人设卡一并注入上下文。

— 进展：在 3 个自建剧情场景、约 1200 轮对话的测试中，人设关键属性（身份、口头禅、对玩家的态度）一致性得分从 71% 提升至 89%；平均响应延迟增加约 12%，单轮 token 成本下降约三成。

— 下一步：引入记忆冲突检测，当记忆卡与当前剧情状态或任务进度矛盾时触发重写；同时打通游戏任务系统，让 NPC 能主动引用玩家已完成的任务节点，并观察数十小时游玩周期下的记忆衰减曲线。

局限仍然存在：结构化摘要会丢失细节，多人对话中的指代消解不够稳定。我们更倾向于把记忆做成可编辑、可回滚的工程模块，而不是单纯依赖模型自身的长上下文能力。