AI 角色为什么总是「没有记性」？两篇论文给出了答案
如果把最近读到的两篇关于 AI 角色和叙事的论文压缩成一句话，那大概是：
情绪论文初步证明了**「状态结构让情绪变化更可解释」；叙事论文则较强地证明了「状态结构让故事事实更容易被正确检索」**。不过，前者还没证明对话变得更好，后者也还没证明故事写得更精彩。
对应的两篇论文分别是：
这篇博客，我们就来聊聊这两篇论文背后的共同趋势：从「生成文本」转向「维护状态」。
一、共同趋势：从「生成文本」转向「维护状态」
传统的角色 Agent 大致是这样一个流程：
Persona + 最近对话 → 直接生成下一句话
这两篇论文不约而同地把中间过程显式化了。它们共同认为，长程连续性的关键不是让模型记住更多原文，而是回答三个核心问题：
- 发生了什么变化？
- 变化之后，当前世界处于什么状态？
- 当前生成时，哪些状态应该被激活？
但两篇论文处理的是不同层次的问题。情绪论文关注的是角色内部情绪状态，更新来源是对话事件及其心理评价；叙事论文关注的是故事世界、知情、关系和伏笔状态，更新来源是已定稿章节。
结合之前读过的论文，这已经接近一个完整的长期 Agent 状态系统：事件改变状态 → 状态被可靠保存 → 在正确时刻重新影响行动。
二、情绪不是标签，而是评价过程
很多角色系统把情绪写成人设属性，比如「她总是冷静」、「他有一点忧郁」，或者「当前情绪：愤怒」。这会导致情绪不会因事件自然变化，即使变化了也缺少因果解释。
例如，同一句「检查结果还不能确定」，对于不同人物可能产生完全不同的情绪：
- 害怕失去控制的人：恐惧上升；
- 信任医生的人：担忧但仍保持信任；
- 已经预料到坏消息的人：惊讶较低、悲伤较高；
- 认为医生不负责任的人：愤怒上升。
因此，事件不能直接映射到情绪。中间需要一个**「这个事件对我意味着什么」**的评价层。
CPM-MultiAgent 架构
《From Triggers to Emotions》基于心理学中的 Component Process Model (CPM)，将每轮情绪更新写成一个多阶段评价流程：
- Trigger Analyzer：先确定「发生了什么」和「它对角色意味着什么」，减少模型一开始就根据表面语气跳到情绪结论。
- 四类 CPM 评价：相关性（Relevance）、后果（Implication）、应对能力（Coping Potential）、规范意义（Normative Significance）。这四个维度不是并行的，后面的评价可以读取前面的结果。
- 情绪状态更新：允许多个情绪同时存在，比如「既信任又担忧」，用 Plutchik 的八种情绪（喜悦、信任、恐惧、惊讶、悲伤、厌恶、愤怒、期待）各自打 1–5 分来表达。
- Critic：检查是否忠实于对话触发、是否符合 Persona，更新幅度是否合理等。
消融实验中，去掉 Peer Review 后总体分数降幅最大，而去掉「规范意义」这一维度的影响也很显著——这说明角色对事件的反应不仅由愉快或不愉快决定，还强烈依赖身份、尊严和关系预期。
实验结果与现实问题
实验结果显示，完整系统得分最高，但优势非常小。人类评价表明，系统真正明显改善的可能不是情绪状态本身，而是情绪变化的解释看起来更系统、更有心理学条理。换句话说，CPM 架构很可能首先是一个「解释结构」，其次才是更准确的情绪模型。
这个架构最大的现实问题是太慢。即使把四个评价 Agent 并行执行，响应时间也在 7–12 秒左右，更像一个离线仿真管线，很难用于实时角色对话。
此外，论文尚未证明角色语言更自然、对话更有吸引力。系统可能生成一个非常漂亮的情绪 JSON，但最终回复仍然公式化。
三、故事连续性不是事实列表
长篇故事中的关键问题常常不是「某个词出现在哪一章」，而是：
- 谁在第 20 章时已经知道这个秘密？
- 事情发生在什么时候，读者又是什么时候知道的？
- 某个伏笔是否已经兑现？
普通 RAG 很容易检索到一段「相关但过时」的文本。例如第 3 章说钥匙在书房，第 12 章钥匙被拿到地下室。查询「钥匙现在在哪里」时，两段文本都相关，但只有后一个状态在当前章节有效。
《Narrative World Model》(NWM) 因此把故事记忆建模为一个带版本和有效期的世界状态。
严格区分事实层次
NWM 严格区分已定稿章节、下一章计划和未来大纲。未来计划不能提前进入当前故事事实，避免「未来信息泄漏」。如果作者修改并重新发布旧章节，系统会重新抽取该章状态，使依赖旧版本的后续边失效，并向后传播修正——这对真实写作非常重要，因为写作并不是只追加内容，还会频繁改稿。
它的核心单位不是原文块，而是类型化记录，包括：事件状态、角色状态、关系状态、物体状态、情节与承诺、叙事功能。这让系统能够区分：事实发生的时间、角色知道事实的时间、读者知道事实的时间——这三条时间线在悬疑、误解、戏剧反讽和不可靠叙述中经常不同。
Query-conditioned Retrieval 才是决定性机制
NWM 的检索机制包括因果截断、混合排序（BM25 + 向量）、一跳图扩展和证据包构建。关键不是简单「把图交给模型」，而是用当前问题决定哪些状态进入上下文。
实验结果非常扎实。在私有多跳问题上，NWM Graph Retrieval 达到了 89.8% 的准确率，远超普通 RAG 的 17.6%。
| 方法 | 多跳准确率 |
|---|---|
| Simple Search | 8.5% |
| RAG | 17.6% |
| GraphRAG | 18.8% |
| NWM State Memory | 35.8% |
| Graphiti | 57.4% |
| NWM Graph Retrieval | 89.8% |
但有趣的是，消融实验发现，去掉类型标签后准确率反而略有提高。因此，更准确的结论不是「写上叙事学类型标签所以系统更强」，而是：
先把故事拆成正确的细粒度状态单元，再用问题条件化检索把正确单元拿出来，所以系统更强。
「状态分解」和「条件检索」有证据；「叙事学标签本身有用」反而没有证据。
四、两篇论文放在一起，真正的新方向是什么？
它们共同指向一种新的角色与叙事架构。
不再直接保存标签，而保存状态变化。 不要只保存「角色很愤怒」，而要保存：「角色因承诺再次落空，将事件评价为对关系目标的阻碍；认为自己缺乏控制力，因此愤怒 +1、信任 -1。」不要只保存「A 和 B 关系不好」，而要保存：「第 12 章后关系从合作转为怀疑；A 已发现证据，B 尚不知道 A 已知情；该状态持续到第 18 章。」
区分多个真相层次。 一个成熟系统至少需要区分：实际发生了什么 (World State)、角色相信什么 (Character Belief State)、读者知道什么 (Reader State)、角色如何评价当前局面 (Emotion State)、互动如何改变关系 (Relationship State)、伏笔与承诺 (Narrative State)、当前生成要满足哪些约束 (Execution State)。
每个状态都必须有因果和证据。 状态条目应包含触发事件、评价过程、有效期、知情范围和原文证据。这个结构同时连接了情绪、关系、知情和叙事时间。
状态不能全部塞进 Prompt，需要动态激活。 正在写争吵场景，优先关系状态和旧冲突；正在兑现伏笔，优先承诺状态；某角色即将说出秘密，优先知情边界。这正是 NWM 的 Query-conditioned Retrieval 和主动记忆可以结合的地方。
总结一下：
长期角色和故事的基本存储单位，不应是旧文本或静态总结，而应是带来源、时间、视角、有效期和因果解释的状态变化。
这就是这两篇论文给我们带来的最大启示——不是复杂的 Multi-Agent 管线，也不是「叙事学标签」，而是这个朴素但关键的原则：AI 要真正「记住」一件事，不只是把它存下来，而是知道它在什么时候、对谁、意味着什么。