本周游戏AI实验室围绕「NPC长期对话一致性」做了一组受控实验：把角色设定拆成性格、身份、口吻三层约束写入系统提示，对话历史经摘要压缩后存成结构化记忆（事实／关系／承诺三类），推理时按相关性检索回填，避免整段历史直接塞进上下文。
- 进展：在自建60轮剧本测试中，角色设定违背率由18%降至6%，关键事实（姓名、承诺、任务进度）召回率92%，单轮响应稳定在400ms内（本地7B量化模型＋KV缓存）；代价是摘要环节新增约60ms开销。
- 下一步：把对话记忆与任务状态机对齐，验证玩家改变NPC关系、或中途回档后，角色态度与已承诺事件能否正确回滚，并补一套自动一致性打分脚本用于日常回归。
当前结论是：一致性瓶颈更多在记忆的写入与淘汰策略，而非模型规模；在有限算力下，分层记忆比单纯拉长上下文更划算。
评论