AI 游戏的长期记忆:向量库、事实库与遗忘策略
玩家说「我上次跟你提过我妈生病」,NPC 接住了吗?这篇讲我们把记忆拆成四层之后的写入判定、召回排序、冲突修订与容量预算,以及成本怎么压住。
为什么「存进向量库」不等于有记忆
很多团队第一次做记忆,就是把对话切块、 embedding、入库,然后每次检索 top-k 塞回上下文。上线一周后玩家反馈:NPC 记错了、把三个月前说过的事当新鲜事重复问、或者干脆把别人的事安到他头上。
问题不在检索技术,而在把三种完全不同的东西混成了一坨:发生过的事实(玩家有一只猫)、关系与态度(NPC 现在信任玩家)、剧情进度(第三章的约定还没完成)。它们的存储结构、写入时机和失效规则都不一样。
我们的做法是把记忆拆成四层,每层单独设计读写规则。这一篇讲完这四层,以及随之而来的两件麻烦事:冲突修订与容量预算。
四层记忆:各存什么、什么时候读
| 层 | 内容 | 存储形态 | 读写时机 |
|---|---|---|---|
| 事实层 | 玩家说过的稳定信息(家庭成员、偏好、职业) | 结构化字段 + 向量索引 | 会话开始时全量注入 |
| 关系层 | 信任度、好感、阵营倾向、已触发的承诺 | 数值与状态机 | 每轮都读,影响台词生成 |
| 剧情层 | 任务进度、未完成的约定、世界状态 | 游戏存档同源 | 按当前场景定点读取 |
| episodic 层 | 具体对话片段的原始记忆 | 向量库 + 时间戳 | 仅在语义命中时召回 |
最容易被忽略的是关系层与剧情层其实不该放向量库:它们是确定状态,用字段和状态机存既准确又便宜。向量库只负责 episodic 层,用来回答「你上次说的那家面馆叫什么」这类问题。
分层之后一条明显收益是排障变简单:玩家投诉「它记错了」,先定位是哪一层出错,多数情况是事实层的字段被错误覆写,而不是检索不准。
写入:什么才值得记下来
逐句入库会让记忆库迅速膨胀,而且 90% 的条目以后再也不会被有效召回。我们给写入加了三条过滤:
- 显著性判定:只有被玩家明确陈述、或在对话中被重复提及两次以上的信息才进入候选。
- 稳定性判定:会频繁变的东西(当前心情、正在玩什么)不入事实层,只更新关系层数值。
- 可归因判定:分不清是玩家说的还是 NPC 编的,一律不写。这是防止「记忆污染」最关键的一条——NPC 顺着话头编出来的细节被当成玩家事实记下,后续所有对话都会被它带偏。
写入还应带上下文引用:记下事实的同时保留它出自哪一轮对话。冲突修订和排障时,这条引用比事实本身更有用。
读取:召回排序别只用相似度
纯余弦相似度召回在长周期游戏里会迅速失真:玩家三年前说过的话可能比昨天说的更容易被召回,只因为措辞更「典型」。我们的排序分数由三项加权:
- 语义相关度:向量相似度,权重最低,因为它是唯一人人都有的项;
- 时间衰减:按场景类型设半衰期,剧情类衰减慢、闲聊类衰减快;
- 重要性标记:写入时打的价值分,家庭、健康、承诺类天然更高。
还有一点要强调:召回条数要设上限并计入成本预算。每多召回一条就意味着上下文变长、单局成本上升。我们给 episodic 层设的是单场景最多 4 条,宁少勿多——多余的召回不但花钱,还会挤掉角色卡与剧情状态的预算。
冲突:新说法和旧事实矛盾时怎么办
玩家改了口、或者当初说的是气话。这类冲突在长周期游戏里一定会发生,回避不了。
我们定的优先级规则:时间更近且明确陈述的,覆盖更早的推断性记录;同为明确陈述时,保留两份并在生成时以新值为主,旧值标记为「曾经」——「你以前养过狗,现在改养猫了」这种回话,比假装什么都没变要好得多。
覆盖不是删除。事实层每条记录都保留版本链,出问题时能查回来:哪个版本在起作用、是哪一轮写入的。这个设计在客服处理「NPC 说我说过某句话」的投诉时救过我们很多次。
遗忘:容量预算与淘汰策略
不清库的记忆系统,一年后一定同时面对成本失控和召回变差两个问题。我们给每层设了硬预算:
| 层 | 容量预算 | 淘汰策略 |
|---|---|---|
| 事实层 | 每玩家上限 200 条 | 长期未被读取且重要性低的合并改写 |
| 关系层 | 固定字段,不增长 | 无 |
| 剧情层 | 随存档,不增长 | 无 |
| episodic 层 | 每玩家上限 3000 片段 | 按「召回次数 × 时间衰减」淘汰末位 |
事实层有一条特别的处理:低价值条目合并而不是直接删。把「喜欢香菜」「不吃葱」「少辣」三条合并成一条「口味清淡、忌辛辣与葱」,条数下降而信息基本保留。直接删会删出「NPC 突然忘了玩家忌口」的事故。
episodic 层的淘汰要留出与数据合规一致的窗口:被玩家举报的内容在处置期间不许参与淘汰,否则证据会消失。
记忆的收益要算总账
记忆做不好,玩家会觉得 NPC 每次都失忆;记忆做得过,成本与风险一起上来。真正要优化的是「玩家能感知到的记忆命中」与「每千次对话的存储与推理开销」这两者的比值。
三个落地建议:先分层,别把四种东西混进一个库;写入端加过滤,可归因这条一定守住;给每层写死预算并配淘汰策略,而不是等库涨到撑不住再补。
星欧平台的引擎把这套四层结构做成了默认能力,接入方可以从「只开事实层与关系层」起步,这两层投入最小、玩家感知最强; episodic 层等有足够对话量之后再打开。