在《游戏AI实验室》的这轮实验中，我们把「NPC像不像同一个人」拆成可测量的指标，而不是靠主观印象。
测试台由脚本化玩家驱动，对同一NPC发起200轮以上对话，覆盖任务问答、闲聊、被反复追问和玩家挑衅四类场景。评测三个可量化指标：人设漂移率（回答与设定冲突的比例）、长程记忆召回准确率（对早期事件的复述是否与记录一致）、矛盾率（前后承诺互相打脸）。
目前的一个阶段性结论是：单纯把历史对话全部塞进上下文，超过一定长度后矛盾率反而上升；改成「事件摘要 + 关系图谱检索」的混合记忆后，在同等对话长度下矛盾率下降约四成，人设漂移主要集中在情绪化措辞上，而非事实层。
下一步计划补上情绪状态的一致性维度，即NPC在受挫、被帮助等事件后，语气走向是否连续，避免出现「上一句愤怒、下一句热情」的断裂。验收仍以离线批量回放为主，不引入真人主观打分。
评论