在角色扮演类游戏中，NPC 对话最常见的失败不是答不上来，而是「演着演着不像了」：长会话后语气趋同、越过设定泄露情报、忘记已经发生的关系变化。游戏 AI 实验室把这个问题拆成三层可测量对象——事实层（身份、阵营、已知情报的边界）、语气层（句长、称呼、口头禅、情绪强度）、关系层（对玩家的信任度、敌意值等随时间变化的状态）。
做法上，事实层用结构化设定卡做硬约束，越界回答直接拦截并重写；语气层只对最近 30 轮做滚动摘要，并刻意保留句法与称呼特征，避免摘要越长越向平均语气收敛；关系层单独维护一个可读写状态向量，把任务结果与玩家选择写回后再注入下一轮提示。三者解耦的好处是，调语气不会污染事实边界，改关系状态也不必重训模型。
要点：
- 在 200 段 30 轮以上的测试对话中，人设违背率由 14.6% 降至 3.2%，信息越界类下降最明显；代价是首字延迟平均增加约 180ms。
- 下一步把关系状态做成可视化调试面板，评测集扩至 8 个世界观、500 段对话，并尝试用更小的模型单独承担语气校准，以压回延迟。
评论