研究了一下前沿的 AI 记忆和人格方案，并没有比我现在做的方案好多少，如果再继续优化几乎是吃了不讨好。

在我看来，AI 伴侣需要两套不同的机制。

第一套是记忆机制，解决她能否记住我们发生过什么，包括短期记忆和持久记忆。

第二套是性格机制，解决她像不像一个稳定的人，包括语言风格、情绪倾向、以及世界观等更深层的设定。

两者相关但不等价：记忆可以帮助对话连贯，但记忆本身并不自动形成性格。

*记忆系统(我叫它梦境系统)

1/记录层
所有对话记录统一存储在本地数据库，作为原始事实来源。

2/持久记忆的生成与沉淀

周期性地把对话记录通过 API 送给远端大模型，让它从中提取有价值的信息，并进行一定程度的发散联想，然后把这些结构化后的重要信息再存回本地数据库。

这样做的目的，是把大量流水对话转化为可长期使用的记忆条目，从而支撑长期记忆。

3/强化机制与二次提炼

在后续对话中，本地数据库里的记忆条目会被检索使用。统计这些信息被检索到的次数，把高频被召回的条目视为重要记忆，再次交给远端大模型进行二次提取与提炼，输出更深层的洞察，再写回本地数据库。

通过检索频率驱动的再加工，长期记忆会逐渐从事实层走向洞察层。

4/短期记忆策略

短期记忆采用更直接的方法：把近期历史对话记录直接随请求发送给模型，以确保上下文连贯。

*性格系统

我为 AI 设置了一组性格参数，覆盖多种维度，包括语言风格、情绪倾向等。

与此同时，让远端大模型根据历史对话记录，以固定周期对这些性格参数进行更新，使其能够随着相处过程发生变化。

在实际对话时，把以下三类信息打包输入给模型：
当前性格参数、近期对话历史、以及角色提示词。

通过这种组合，让模型在输出时体现出一致的性格表现；并且根据性格等数据调节温度等大模型参数，让对话更智能。

*当前方案的核心瓶颈

即便如此，这套机制最终仍然是在“提示词层”做人格模拟。

本质上我只是把性格参数、记忆与设定以文本形式喂给模型，并不能让 AI 真的拥有独立人格。

结果就是，一致性可能仍然不稳定，性格更像是临时扮演，而不是一种持续自洽的内在结构。

***

由于项目是面向普通用户，目标是零学习成本使用，因此我必须选择远端大模型而非本地部署。

在这个前提下，我能调整的变量非常有限，主要是三类：提示词体系、记忆库的设计与写入方式、以及调用模型时的温度等生成参数。

不过已经表现得很好了。

最终的目标是让它成为专属于用户的 AI 灵魂伴侣，能够基于共同记忆持续成长，并逐步发展出独特的性格。

开源地址：