虚构的 AI 角色应该记住事实还是感受？
为了让虚构的 AI 角色保持一致性，其记忆应保留发生过的事情，并将角色的反应作为独立记录并列保存。将已确认的故事事实视为锚点；将感受标记为角色自身陈述的体验，并在故事证实之前将解读保留为不确定状态。这样角色就能在保持连贯性的同时作出回应，而不会将对另一个人的猜测变成正史。
为什么事实和感受需要不同的记忆字段
事实描述了故事中的事件或状态：暴风雨来临前，玛拉把黄铜钥匙留在了窗台上。角色的反应则描述了该角色的体验：玛拉后来表示，找到钥匙时她感到松了一口气。解读则更进一步：也许她担心有人会发现那把钥匙能打开什么。前两者可以直接在一个场景中确立；第三者则是一个假设，除非后面的场景证实了这一点。
这些区别至关重要，因为模型在总结长对话时，可能会把合理的解释变成被记住的事件。关于生成式代理的研究描述了一个用于检索相关记录的记忆流，以及一个综合更高层次反思的过程。作者指出，在他们的实验环境中，观察、计划和反思都对真实感有所贡献。对于角色写作来说，这种架构提供了一个有用的启示：既要保留场景也要保留总结，同时将总结标记为派生出的解读而非原始事件。生成式代理：人类行为的交互式拟态（Generative Agents: Interactive Simulacra of Human Behavior）
什么应该算作已确认的故事事实？
存储叙述中明确确立或用户确认为正史的细节：谁在场、说了什么或做了什么、物品留在了哪里，以及哪些事件相继发生。将出处保留在旁边。一条简短的记录可以这样写：“在车站场景中，伊沃把黄铜钥匙交给了玛拉。出处：用户确认的场景总结。”如果一个角色对自己的反应发表了看法，也要记录出处：“玛拉说伊沃回来时她松了一口气。出处：车站场景中玛拉的对话。”
这是数据溯源（provenance）的实际应用：W3C 的 PROV 模型描述了与生产某事物相关的实体、活动和代理的信息，因此其历史可以帮助读者评估可靠性。这不是一条角色写作规则，但它提出了一个有用的设计选择：保留记忆来自何处以及它是如何被创建的。W3C PROV-O：PROV 本体（W3C PROV-O: The PROV Ontology）
角色应该如何记住自己的感受？
以角色的口吻保留反应，并将它们附加到支撑它们的场景或陈述中。“我弄掉地图时感到很尴尬”，相比“角色把视线移开了”这一允许多种解读的可见动作，更能有力地证明角色自身陈述的感受。一个场景可以同时包含两者：“地图掉落后，玛拉移开了视线。她没有解释原因。”如果玛拉后来表示她感到很尴尬，将其作为后来的陈述添加；不要悄悄地将早先的观察改写为确凿证据。
感受是会改变的。有用的记录可以保存每次反应的时间和上下文，而不是将它们扁平化为一个永久的特质。“玛拉说找到钥匙时她松了一口气”和“玛拉后来表示对谁拿了钥匙感到不安”可以同时成立。一项 2025 年关于对话情景记忆的研究将记忆碎片分为事实性、经验性和主观性信息，并跨会话表示项目之间的关系。其结果关注的是对话式 AI，而不是虚构角色的品质；尽管如此，这些分类为区分场景、体验和解读提供了一个坚实的切入点。情景记忆的存储前推理（Pre-Storage Reasoning for Episodic Memory）
不确定的解读如何在不成为正史的情况下保持有用？
将解读作为一种可能性与其实据、归属者和状态一同存储。例如：“可能的解读：玛拉可能很担心那把钥匙。依据：她移开了视线并转换了话题。状态：未确认。”这为后续写作提供了可以重新审视的线索，同时也明确了目前没有场景确立她的动机。如果故事后来证实或否定了这一解读，请更新其状态，并在有用的地方保留早先的依据。
不要从虚构的对话、角色扮演的选择或模棱两可的动作中推断真实用户的情感状态。将关于真实参与者的陈述与角色的故事区分开来；只有在参与者明确陈述并确认其相关时，才带入有关参与者的信息。这一界限是该任务的设计建议，并非声称可以通过特定的短语或手势可靠地检测出情绪。在对话研究中，不确定性可以表示为一种系统输出，而不是强行给出一个最佳猜测：一篇 ACL 论文研究了不确定性分类以及响应检索中的“以上都不是”选项。这支持了一个更具体的系统设计经验：记忆或响应系统可以保留不确定性，而不是假装每个提示都有确定的答案。“以上都不是”：在对话响应检索中衡量不确定性（“None of the Above”: Measure Uncertainty in Dialog Response Retrieval）
适用于场景和反应的实用记忆记录
紧凑的记录可以针对事件、出处、角色自身陈述的反应以及任何未确定的解读使用不同的字段。这种模式是一种编辑工具，而不是引用的研究所要求的标准：
字段：事件；记录内容：已确认的动作或状态；示例：伊沃在车站把黄铜钥匙递给了玛拉。
字段：出处；记录内容：信息来自何处；示例：用户确认的场景总结。
字段：角色陈述；记录内容：角色自身报告的反应；示例：玛拉说归还钥匙时她松了一口气。
字段：观察；记录内容：没有假定动机的可见或可听细节；示例：玛拉在回答前移开了视线。
字段：解读；记录内容：标记为未确认的可能解读；示例：她可能感到不安；场景并未确立原因。
字段：状态；记录内容：正史、陈述、推断或未解决；示例：事件：正史；反应：陈述；动机：未解决。
这种分离类似于基于模式的对话状态跟踪，即系统将值填入预定义的槽位，而不是将所有对话文本视为一条无差别的记录。所引用的研究针对的是面向任务的对话，因此将这一思路应用到故事记忆是一种类比；其实际好处仅仅在于每种信息都有其指定的位置。利用模式驱动提示的语言模型对话状态跟踪（Dialogue State Tracking with a Language Model using Schema-Driven Prompting）
如何审查和更新角色的记忆
在完成一个场景后，首先仅提取该场景或用户明确确认的事件。然后添加角色明确陈述的任何反应，保留相应的场景和说话者。最后，单独记录解读，并附带简要理由和未解决标签。在检索过程中，只要原始场景或陈述可用，就优先使用它们；将总结作为指针，而不是比它所总结的出处更有力的证据。
当新的写作改变了故事时，有意识地更新相关事实。如果两种叙述发生冲突，在用户解决该冲突或叙事确立发生的事情之前，保持冲突可见。不要通过选择听起来最连贯的叙述来解决冲突。W3C 的溯源资料描述了记录实体、活动、归属和派生；将这一想法应用到这里，有助于作者将总结追溯回场景，并区分原始材料和后来的解读。PROV 概述（PROV Overview）
一条简单的决策规则
在决定角色应该记住什么时，问一问：这是否已被直接确立，是谁说出或展现了它？如果答案明确，请连同其出处一起保留该故事事实。如果角色陈述了一种感受，请将其作为该角色在那一刻的反应保留下来。如果记录描述了一个没有人确认过的动机、情绪或含义，请将其标记为解读或保持其开放状态。其结果是获得既支持连贯性和角色声音，又允许故事中未解答的问题保持未解答状态的记忆。