游戏NPC长期记忆AI实验：人格一致性与剧情锚点

在开放世界叙事类游戏中，NPC 对话多由脚本或单轮生成式模型承担，跨场景聊天很快会出现人设漂移与情节矛盾。本期实验围绕「长期记忆 + 人格约束」做小规模验证：将 NPC 记忆拆为三层——事实槽位（身份、关系、已知事件）、情节摘要（按章节压缩的玩家行为）、临时上下文；检索时按相关度、时间衰减、重要度加权排序后送入生成模型，并用规则库拦截与世界观看似冲突的输出。

进展与数据：在自建约 200 小时对话回放集上，人设冲突率由 12.4% 降至 3.1%，剧情事实错误率下降约六成；由于摘要与检索走本地小模型、长文摘要异步刷新，单轮首字延迟增加约 40 毫秒，仍在可接受区间。

下一步计划：引入记忆遗忘曲线与玩家偏好写入策略，避免 NPC 表现出「全知」；同时补齐敏感话题与未成年内容的合规过滤，并在 2~3 款小体量项目中做留存 A/B 对照。