游戏NPC对话AI定制：人设一致性与记忆边界

角色扮演类游戏的 NPC 对话长期依赖预设分支树，玩家一旦偏离脚本就容易出现答非所问。本阶段我们把大模型接入对话层，但限制其只负责表达，人设、世界观与剧情状态仍由结构化数据（角色卡、关系图谱、事件日志）约束。

做法分三步：一是把角色设定拆成可检索的短片段，按话题相关性注入上下文，避免长提示词稀释人设；二是用状态机管理好感度、任务阶段等硬变量，模型输出前先做规则校验，超出人设或提前剧透的回复直接拦截重写；三是对几十轮以上的长会话引入记忆摘要，只保留与当前角色关系相关的事实。

内部测试中，12 名测试者与同一 NPC 连续对话 30 轮，人设越界率从初版的约 18% 降至 4% 左右，单轮延迟控制在 1.2 秒内（本地小模型）。下一步计划把同一套约束迁移到任务引导与多 NPC 群聊场景，并补充玩家主观评分的对照实验。