Character.AI：角色扮演Prompt设计

可视化演示

展示Character.AI角色定义与性格五维属性、对话风格参数控制（正式度/语气/详细度）及记忆管理上下文窗口滑动机制，切换模式理解角色扮演Prompt设计核心。

角色定义

导演开排第一件事，不是走位，而是把人物小传塞给演员。小传上写着：这人叫什么、几岁、干什么、从前经历过什么、心里憋着什么没说出口的话。演员读上十分钟，再开口就有了底气。AI 的“人物小传”就是角色定义 Prompt——它是角色扮演的地基，地基不稳，后面所有设定都会塌。

角色定义 Prompt 回答大语言模型一个根本问题：“你是谁？”大模型本身像一个天赋极佳但暂时失忆的演员，你给它一段“工作牌文字”，它就能立刻进入状态。这段文字通常放在系统提示（System Prompt）最前面，相当于把工作牌贴在舞台入口，让模型每次生成前都先确认身份。

完整的角色定义由四块拼成。身份锚点给明确可验证的信息——姓名、年龄、职业，写“一位咖啡店老板娘”比写“一个神秘的人”有力得多；背景故事解释行为动机，“在雨夜失去过重要的人”比“有点忧郁”更有叙事力量；目标给角色行动方向，比如“她想攒钱把店开成百年老店”；限制挡住越界行为，比如“绝不主动谈论自己的过去”。这四块合起来就是一张标准角色卡（RoleCard）。

有了人物小传，演员才敢开口。你递出去的这张卡越具体，AI 的第一句台词就越有灵魂——角色扮演的地基，就是让模型在每次生成前都先回答“我是谁”。

性格设定

人物小传是骨架，性格是血肉。导演拿到小传后会跟演员讲戏：“你这人固执，但讲义气；有人求你帮忙，你嘴上嫌弃，最后总会出手。”演员听完这句话，才知道遇到求助时该皱眉还是该伸手。性格设定，就是给 AI 讲这段“人物个性”。

性格设定本质上是一组行为偏置。大模型在预训练时读过成千上万个“固执讲义气”的角色，你只需几个标签，就能唤醒那类角色的行为分布，让模型的输出偏向某种反应模式。这比在小传里加十句外貌描写更管用——演员不需要知道角色的发色，需要知道的是“他会怎么做”。

性格设定有三个层次。性格标签要克制，3-5 个足够，堆太多模型反而“选择困难”，标签之间互相冲突会让人设混乱；行为模式给出具体反应剧本，“先嘴硬后心软”这类指令能稳定约束回合级行为，让每次应对都有连贯性；情感倾向决定情绪底色，乐观的角色在烂天气里会说“适合窝着看书”，悲观的角色只会叹气。三者合起来，角色的行为就有了可预测的内部逻辑。

演员靠什么进入状态？靠的是你讲的那几句性格戏。你写进 Prompt 的几个性格标签，就是帮助 AI 调整姿态的道具——人设两个字，一半是身份，一半是性格。

对话风格

同一句“我等你”，老刑警说出来像命令，大学教授说出来像论文引言，初恋说出来像撒娇。导演只要示范一句“把你那把破伞收好，别滴得到处都是”，演员立刻懂了整部戏的语感。对话风格，就是你给 AI 的那句“示范台词”。

风格指令不会改变模型的知识储备，它改变的是输出的概率倾向——让模型更频繁地选中温柔短句，而不是书面长句。你可以把语言风格理解为一句句话在“词库地图”上的落点区域：风格设定就是在告诉模型“往这片区域走，别去那边”。

对话风格有三个旋钮可调。语气口吻管整体氛围，温柔、冷冽、俏皮，定下角色说话的“温度”；用词偏好管辨识度，爱用俚语还是书面语、有没有口头禅，一两句指定就能让角色有“人味”；句式特征管节奏，短句连发像刀锋，长句绵延像雾气。高手还会写“负例约束”——明确写出“禁止说'作为一个人工智能'”，能有效减少 AI 腔。

风格是角色最容易被观众记住的声纹。你把示范台词写明白，AI 说出的每一句话都会带着角色的“指纹”——不用看名字，只听语气就知道是谁在说话。

记忆管理

好演员记得前几幕埋下的伏笔。第三幕再提到那把伞，观众立刻起鸡皮疙瘩。AI 没有天生的记忆，它只记得“被写进上下文窗口里的那几段话”。上下文窗口是舞台的物理边界，窗口之外的对话，模型一眨眼就忘得干干净净。

角色扮演的连续性，全靠记忆管理硬撑。所谓记忆管理，就是有策略地决定“哪些信息留在窗口内、哪些信息压缩后留下摘要、哪些信息直接丢弃”。Character.AI 这类产品之所以能陪你聊几百轮不串戏，靠的不是模型记性好，而是工程上把记忆安排得井井有条。

三类记忆手段缺一不可。核心记忆最稳固——身份、性格、风格写进系统提示最前部，永远不会滑出窗口；短期记忆是当前窗口内的对话现场，直接决定模型对最近话题的感知；长期记忆靠摘要压缩实现——早期对话即将滑出窗口时，抽取关键事实写成几句话再放回来。工业界还常用时间衰减权重：越久远的记忆权重越小，让最近的剧情更有存在感，避免旧事过度淹没新话题。

记忆是角色连续性的生命线。没有记忆的 AI 像每一场都失忆的演员，每幕戏都从“你好，初次见面”开始，观众很快就出戏了。

多角色交互

群戏最难导。舞台上三个角色，谁先开口、谁在踱步、谁在角落里翻白眼，都得安排明白，否则观众分不清谁是谁。AI 角色扮演也一样，当你想让多个角色同台对话时，核心挑战是“别让角色串戏”。

多角色交互的技术核心是“标记”。大模型靠文本标记来区分说话人：你给每个角色的台词加上名字前缀，再规定旁白和动作的格式，模型就能在多个角色之间来回切换人格。这相当于给每个演员发一块写着名字的胸牌，谁开口先亮牌。

三个设计要点最常用。角色名前缀锁定发言权，格式写成“林岚：”和“沈默：”，模型读到不同前缀就切换对应人格；动作旁白独立标记，用星号或方括号包住，比如“（推开门）”，让舞台指示和台词分开层次；群像调度规定轮流次序，比如“店长先开口招呼客人，其他人再逐人回应”，避免冷场或抢话。多角色的关键，是让每个角色的角色卡独立存在，且彼此可见——角色能“听到”对方说的话。

好的群戏像围炉夜话，每个声部都清晰可辨。你把名字标记、旁白格式和发言次序立好，AI 就把舞台指挥权交给角色们自己——你只需坐在台下看戏。

场景沉浸

舞台布景一亮，观众就入戏了。雨声、咖啡香、暖黄的灯光——不着一句台词，情绪已经到位。场景描写是角色扮演的场域魔法，它不直接推动情节，却给一切对话染上底色。

场景设定不仅给模型信息，更给输出定调。一段“深夜的雨街”描写，会牵引模型生成更安静、更潮湿质感的句子；一段“熙攘的婚礼现场”则让台词更轻快喧闹。场景本质上是一种全局风格偏置，影响角色每一句台词的情绪浓度。

沉浸感设计分三层。场景构建要调动五感——视觉、听觉、嗅觉、触觉、味觉，一句“雨点敲在铁皮棚顶，空气里全是潮湿的咖啡香”立刻把用户拉进现场；情节推进要给出明确目标，“这场戏让客人说出心事”比“随便聊聊”有效十倍，目标给对话以方向；情感渲染控制情绪强度，让角色从“淡淡不安”到“几近哽咽”有梯度推进，别第一幕就嚎啕大哭。三者叠加，用户才会忘了自己在跟 AI 聊天。

人、景、情齐了，大幕一拉即是好戏。你写在 Prompt 里的那段场景描写，就是观众入场时听到的第一记钟声——戏还没开演，人已经坐稳了。

迭代调优

再好的戏也是排出来的。导演看首演录像，记下哪里笑场、哪里节奏拖沓，第二天改剧本重排。角色扮演 Prompt 的优化是同一件事：没有一次写好的 Prompt，只有不断打磨的 Prompt。

Prompt 工程天然是一个迭代循环：写初版 → 跑几轮对话 → 观察症状 → 修改角色卡 → 再测。Character.AI 的资深玩家和 Prompt 工程师都有一个共同习惯：把每一次“演砸了”的记录当成改进依据，而不是重新推翻重来。

优化有三板斧。病症反推修改点：人设崩了就加限制约束，风格跑了就补负例和示范台词，记忆丢了就压缩摘要给更多空间；A/B 测试：同一处设定写两个版本，在相同情境下各跑一遍，对比哪个输出更贴人设；效果评估看三个维度——一致性（角色行为前后是否矛盾）、风格贴合度（台词腔调是否统一）、记忆保持率（关键伏笔是否被回召），三维加权得到综合分。

好角色是迭代出来的。你每次记录下的“人设崩了”“风格跑了”，就是导演笔记本上的修改批注——改一版，演一版，AI 就会一版比一版有戏。

AI 应用场景

Python 演示

class RoleCard:    def __init__(self, name, age, job, traits, style):        self.name = name        self.age = age        self.job = job        self.traits = traits        self.style = style        self.history = []        self.keep_size = 5     def build_prompt(self, scene, user_msg):        identity = "你是{0}，{1}岁，职业是{2}。".format(self.name, self.age, self.job)        personality = "性格：" + "、".join(self.traits) + "。"        style_guide = "说话风格：" + self.style + "，永远不要打破人设。"        if self.history:            memory_block = "共同记忆：" + "；".join(self.history[-self.keep_size:])        else:            memory_block = "共同记忆：你们今天第一次见面。"        return "\n".join([            identity, personality, style_guide,            "场景：" + scene, memory_block, "玩家：" + user_msg        ])     def speak(self, pool, index):        return pool[index % len(pool)]  def run_demo():    lanyun = RoleCard(        "林岚", 28, "咖啡店老板娘",        ["温柔", "敏锐", "外冷内热"],        "轻声细语，爱用短句"    )    reply_pool = [        "这杯拿铁，为你调的。",        "下雨了，进店坐坐吧。",        "你心里有事，我看得出来。"    ]    scenes = [        ("深夜的街角咖啡店", "老板，来杯咖啡"),        ("深夜的街角咖啡店", "你怎么知道我不开心？"),        ("深夜的街角咖啡店", "你记得我上次说过的事吗？")    ]    for i, (scene, msg) in enumerate(scenes):        print("--- 第{0}轮 ---".format(i + 1))        print(lanyun.build_prompt(scene, msg))        reply = lanyun.speak(reply_pool, i)        print("林岚：" + reply)        lanyun.history.append("玩家说：" + msg)        lanyun.history.append("林岚说：" + reply)        print()  if __name__ == "__main__":    run_demo()

1. self.history = []用列表保存历史对话，模拟角色的“记忆仓库”。
2. def build_prompt(self, scene, user_msg):组装角色卡的统一入口，每次对话前先生成完整 Prompt。
3. identity = "你是{0}，{1}岁，职业是{2}。".format(...)身份锚点放在 Prompt 最前部，让模型先确认“我是谁”。
4. personality = "性格：" + "、".join(self.traits) + "。"性格标签用顿号连接，3-5 个标签即可控制行为基调。
5. style_guide = "说话风格：" + self.style + "，永远不要打破人设。"风格指令与“防崩约束”一次写好。
6. memory_block = ... self.history[-self.keep_size:]只取最近 5 条记忆，模拟上下文窗口边界，防止无限膨胀。
7. lanyun.history.append(...)每轮对话结束后把新内容写进“记忆”，下一轮才能 call back 前面的情节。

常见误区

面试题