Sollte sich ein fiktiver KI-Charakter an Fakten oder Gefühle erinnern?
Damit ein fiktiver KI-Charakter konsistent bleibt, sollte sein Gedächtnis bewahren, was geschehen ist, und die Reaktionen des Charakters als separaten Datensatz daneben festhalten. Behandeln Sie bestätigte Fakten der Geschichte als Anker; kennzeichnen Sie Gefühle als die eigene geäußerte Erfahrung des Charakters und belassen Sie Interpretationen als ungewiss, solange die Geschichte sie nicht bestätigt. So kann der Charakter mit Kontinuität reagieren, ohne dass eine Vermutung über eine andere Person zum Kanon wird.
Warum Fakten und Gefühle unterschiedliche Gedächtnisfelder erfordern
Ein Fakt beschreibt ein Ereignis oder einen Zustand in der Geschichte: Mara hat den Messingschlüssel vor dem Sturm auf der Fensterbank liegen lassen. Eine Reaktion des Charakters beschreibt das Erleben dieses Charakters: Mara sagte später, sie sei erleichtert gewesen, als der Schlüssel gefunden wurde. Eine Interpretation geht noch weiter: Vielleicht fürchtete sie, dass jemand entdecken würde, was der Schlüssel aufschließt. Die ersten beiden Punkte können in einer Szene direkt etabliert werden; der dritte ist eine Hypothese, solange eine spätere Szene ihn nicht bestätigt.
Diese Unterscheidungen sind wichtig, weil ein Modell eine plausible Erklärung in ein erinnerter Ereignis verwandeln kann, wenn es eine lange Konversation zusammenfasst. Die Forschung zu generativen Agenten beschreibt einen Gedächtnisstrom, aus dem relevante Einträge abgerufen werden, parallel zu einem Prozess, der übergeordnete Reflexionen synthetisiert. Die Autoren berichten, dass Beobachtung, Planung und Reflexion in ihrem experimentellen Umfeld jeweils zur Glaubwürdigkeit beigetragen haben. Für das Schreiben von Charakteren ist diese Architektur ein nützlicher Denkanstoß, um sowohl Szenen als auch Zusammenfassungen beizubehalten, während Zusammenfassungen als abgeleitete Interpretationen und nicht als ursprüngliche Ereignisse gekennzeichnet werden. Generative Agents: Interactive Simulacra of Human Behavior
Was sollte als bestätigter Handlungsfakt gelten?
Speichern Sie Details, die die Erzählung explizit festlegt oder die der Benutzer als Kanon bestätigt: wer anwesend war, was gesagt oder getan wurde, wo ein Gegenstand zurückgelassen wurde und welche Ereignisse auf andere folgten. Behalten Sie die Quelle in der Nähe. Ein kurzer Eintrag könnte lauten: „Während der Bahnhofsszene überreichte Ivo Mara den Messingschlüssel. Quelle: vom Benutzer bestätigte Szenenzusammenfassung.“ Wenn ein Charakter etwas über seine eigene Reaktion sagt, erfassen Sie auch die Zuordnung: „Mara sagte, sie sei erleichtert gewesen, als Ivo zurückkehrte. Quelle: Maras Dialog in der Bahnhofsszene.“
Dies ist eine praktische Anwendung von Provenienz: Das PROV-Modell des W3C beschreibt Informationen über Entitäten, Aktivitäten und Agenten, die an der Erstellung von etwas beteiligt sind, damit die Historie den Lesern hilft, die Zuverlässigkeit zu beurteilen. Es ist keine Regel für das Schreiben von Charakteren, schlägt aber eine nützliche Designentscheidung vor: Bewahren Sie, woher eine Erinnerung stammt und wie sie entstanden ist. W3C PROV-O: The PROV Ontology
Wie sollte sich der Charakter an seine eigenen Gefühle erinnern?
Halten Sie Reaktionen in der Stimme des Charakters fest und verknüpfen Sie sie mit der Szene oder Aussage, die sie stützt. „Ich war verlegen, als ich die Karte fallen ließ“ ist ein stärkerer Beleg für das geäußerte Gefühl des Charakters als „Der Charakter blickte zur Seite“, was eine beobachtbare Handlung ist, die mehrere Lesarten zulässt. Eine Szene kann beides enthalten: „Mara blickte weg, nachdem die Karte heruntergefallen war. Sie erklärte nicht, warum.“ Wenn Mara später sagt, sie sei verlegen gewesen, fügen Sie dies als spätere Aussage hinzu; schreiben Sie die frühere Beobachtung nicht stillschweigend als Beweis um.
Gefühle können sich ändern. Ein nützlicher Datensatz kann Zeit und Kontext jeder Reaktion bewahren, anstatt sie zu einer dauerhaften Charaktereigenschaft zu verflachen. „Mara sagte, sie sei erleichtert gewesen, als der Schlüssel gefunden wurde“ und „Mara sagte später, sie sei beunruhigt darüber gewesen, wer ihn behalten hatte“ können beide wahr bleiben. Eine Studie aus dem Jahr 2025 über episodisches Gedächtnis für Dialoge unterteilt Gedächtnisfragmente in faktische, erfahrungsbezogene und subjektive Informationen und bildet Beziehungen zwischen Elementen über Sitzungen hinweg ab. Ihre Ergebnisse beziehen sich auf dialogorientierte KI, nicht auf die Qualität fiktiver Charaktere; dennoch bieten die Kategorien einen fundierten Ansatzpunkt, um eine Szene, eine Erfahrung und eine Interpretation voneinander getrennt zu halten. Pre-Storage Reasoning for Episodic Memory
Wie können ungewisse Interpretationen nützlich bleiben, ohne zum Kanon zu werden?
Speichern Sie eine Interpretation als Möglichkeit mit Beleg, Urheber und Status. Zum Beispiel: „Mögliche Deutung: Mara war möglicherweise wegen des Schlüssels besorgt. Grundlage: Sie blickte weg und wechselte das Thema. Status: unbestätigt.“ Dies gibt zukünftigem Schreiben einen Anknüpfungspunkt und macht zugleich deutlich, dass keine Szene ihr Motiv bestätigt hat. Wenn die Geschichte die Lesart später bestätigt oder verwirft, aktualisieren Sie ihren Status und behalten Sie die frühere Grundlage dort bei, wo es nützlich ist.
Schließen Sie nicht aus fiktiven Dialogen, einer Rollenspiel-Entscheidung oder einer mehrdeutigen Handlung auf den emotionalen Zustand eines realen Benutzers. Halten Sie Aussagen über den realen Teilnehmer getrennt von der Geschichte des Charakters; übernehmen Sie Informationen über den Teilnehmer nur, wenn dieser sie klar äußert und bestätigt, dass sie relevant sind. Diese Grenze ist eine Designempfehlung für diese Aufgabe, keine Behauptung, dass eine Emotion zuverlässig aus einer bestimmten Phrase oder Geste abgeleitet werden kann. In der Dialogforschung kann Unsicherheit als Systemergebnis dargestellt werden, anstatt ein Raten der besten Vermutung zu erzwingen: Ein ACL-Papier untersucht die Klassifizierung von Unsicherheiten und eine „Keine der obigen Antworten“-Option beim Abruf von Reaktionen. Dies untermauert die engere Design-Erkenntnis, dass ein Gedächtnis- oder Antwortsystem Unsicherheit bewahren kann, anstatt so zu tun, als hätte jede Eingabeaufforderung eine feststehende Antwort. “None of the Above”: Measure Uncertainty in Dialog Response Retrieval
Ein praktischer Gedächtnisdatensatz für Szenen und Reaktionen
Ein kompakter Datensatz kann separate Felder für das Ereignis, die Quelle, die vom Charakter selbst geäußerte Reaktion und jede ungeklärte Interpretation verwenden. Dieses Schema ist ein redaktionelles Werkzeug, kein von der zitierten Forschung geforderter Standard:
Feld: Ereignis; Was erfasst wird: Bestätigte Handlung oder Zustand; Beispiel: Ivo überreichte Mara am Bahnhof den Messingschlüssel.
Feld: Quelle; Was erfasst wird: Woher die Information stammt; Beispiel: Vom Benutzer bestätigte Szenenzusammenfassung.
Feld: Aussage des Charakters; Was erfasst wird: Die vom Charakter selbst berichtete Reaktion; Beispiel: Mara sagte, sie sei erleichtert gewesen, als er zurückgegeben wurde.
Feld: Beobachtung; Was erfasst wird: Sichtbares oder hörbares Detail ohne unterstelltes Motiv; Beispiel: Mara sah vor dem Antworten weg.
Feld: Interpretation; Was erfasst wird: Eine mögliche Deutung, als unbestätigt markiert; Beispiel: Sie war möglicherweise beunruhigt; die Szene begründet nicht, warum.
Feld: Status; Was erfasst wird: Kanon, geäußert, abgeleitet oder ungelöst; Beispiel: Ereignis: Kanon; Reaktion: geäußert; Motiv: ungelöst.
Diese Trennung ähnelt dem schemabasierten Dialog-State-Tracking, bei dem ein System Werte in vordefinierte Slots einträgt, anstatt den gesamten Konversationstext als einen einzigen, undifferenzierten Datensatz zu behandeln. Die zitierte Studie befasst sich mit aufgabenorientierten Dialogen, daher ist die Anwendung der Idee auf das Handlungsgedächtnis eine Analogie; der praktische Vorteil liegt hier einfach darin, dass jede Art von Information einen festen Platz hat. Dialogue State Tracking with a Language Model using Schema-Driven Prompting
Wie man das Gedächtnis eines Charakters überprüft und aktualisiert
Extrahieren Sie nach einer Szene zunächst nur Ereignisse, die die Szene oder der Benutzer eindeutig bestätigt. Fügen Sie dann alle Reaktionen hinzu, die der Charakter explizit äußert, unter Beibehaltung von Szene und Sprecher. Erfassen Sie Interpretationen schließlich separat mit einer kurzen Begründung und einer Kennzeichnung als ungelöst. Bevorzugen Sie beim Abruf die ursprüngliche Szene oder Aussage, wenn sie verfügbar ist; verwenden Sie eine Zusammenfassung als Verweis, nicht als stärkeren Beleg als die Quelle, die sie zusammenfasst.
Wenn neues Schreiben die Geschichte verändert, aktualisieren Sie die relevante Tatsache ganz bewusst. Wenn zwei Darstellungen im Widerspruch zueinander stehen, lassen Sie den Konflikt sichtbar, bis der Benutzer ihn auflöst oder die Erzählung festlegt, was passiert ist. Klären Sie den Konflikt nicht, indem Sie einfach die Darstellung wählen, die am schlüssigsten klingt. Die Provenienz-Materialien des W3C beschreiben die Erfassung von Entitäten, Aktivitäten, Zuschreibung und Ableitung; wendet man diesen Gedanken hier an, hilft es einem Autor, eine Zusammenfassung auf eine Szene zurückzuführen und Originalmaterial von einer späteren Interpretation zu unterscheiden. PROV Overview
Eine einfache Entscheidungsregel
Wenn Sie entscheiden, woran sich ein Charakter erinnern sollte, fragen Sie: Wurde dies direkt etabliert und wer hat es gesagt oder gezeigt? Wenn die Antwort klar ist, bewahren Sie den Handlungsfakt mit seiner Quelle auf. Wenn der Charakter ein Gefühl geäußert hat, bewahren Sie es als die Reaktion dieses Charakters in diesem Moment auf. Wenn der Datensatz ein Motiv, eine Emotion oder eine Bedeutung beschreibt, die niemand bestätigt hat, kennzeichnen Sie dies als Interpretation oder lassen Sie es offen. Das Ergebnis ist ein Gedächtnis, das Kontinuität und die Stimme des Charakters unterstützt und es gleichzeitig erlaubt, dass die unbeantworteten Fragen der Geschichte unbeantwortet bleiben.