← 返回实验室

AI NPC 长时记忆实验:角色一致性的分层记忆方案

在游戏里让 NPC 记住玩家,难点不在单轮对话,而在几十轮之后仍不崩设定。我们近期的实验把 NPC 记忆拆成三层:角色状态卡(身份、口吻、已知事实)、事件记忆(玩家做过什么、承诺过什么)、场景上下文(当前任务与在场人物)。每回合只召回与当前话题相关的少量事件,按固定格式注入提示词,以此控制上下文长度与推理成本。

在自研文字冒险 demo 上做了一组对照:无记忆基线在被连续追问时,约 3 轮后开始出现身份与口吻漂移;引入分层记忆与召回裁剪后,50 轮内关键设定冲突明显减少。但召回不当时 NPC 会「记错人」,这种错误比单纯遗忘更伤体验,说明召回精度比记忆容量更值得投入。

下一步计划:

  • 为事件加上时间戳与可信度权重,把玩家未确认的传闻与已确认事实分开存储,降低误召回;
  • 用脚本化探针(固定追问序列)做回归测试,把「角色一致性」变成可跟踪的量化指标,而不是靠人工试玩的感觉判断。

评论

更多研究动态

查看全部实验室 →