ForeMeber — 以记忆为核心的游戏 NPC 对话体系

🤖 AI 生成声明：本项目代码、文档与示例数据由 AI 辅助生成，供学习与二次开发使用。

围绕记忆系统构建的角色扮演对话体系：remember/（记忆系统）+ foremeber.py（For 部分）+ webui.py（演示）。

原理

整体流程

玩家输入
  → 动态记忆语义检索（Qwen3-Embedding-0.6B 向量相似度）
  → 记忆组装（固定记忆每轮注入 + 检索到的动态记忆）
  → 记忆提示词（数据库事实 → 角色第一人称"你记得：..."）
  → 性格约束（说话风格 + 对话示范）
  → 拼装成 prompt → 文字模型 → 台词提取 → 回存记忆

三部分拼装

system（性格）: 我的性格 + 说话风格 + 对话示范（怎么说话）
user（记忆+对话）:
  [场景] 正在集市摆摊...
  你记得：我不谈论AI；我是艾拉，流浪商人；我想赚钱找妹妹；我的过去...
  玩家对你说："这剑多少钱？"
  艾拉直接回答...

部分	作用	来源
性格	决定"怎么说话"	persona 表（常驻）
记忆	决定"知道什么"（身份/背景/价格/恩怨）	记忆系统检索+注入
用户对话	决定"回答什么"（当前问题）	玩家输入

记忆系统

写入：对话 → 事实提炼（memory_extract）
      - 价格只在"问价"时存（砍价是讨论，不产生错误事实）
      - 同物品价格覆盖（只留最新真实价）
      - 出戏/AI味回复不入记忆
      - 去重 + 坏回复跳过
存储：SQLite 分层（persona 表 / facts / state 表）
检索：Qwen3-Embedding-0.6B 语义召回动态记忆（固定记忆每轮直接注入）
读取：记忆提示词（memory_prompt）——事实转第一人称
      - "aila把剑定价为五百金币" → "这把剑我定价五百金币"
      - AI 约束/禁忌类记忆优先注入（出戏防御）

关键设计

1. 常识不靠记忆教：砍价不涨价等由模型自身能力处理
2. 记忆是角色视角：所有记忆转第一人称，模型直接可用
3. 出戏防御：出戏测试类问题不注入对话示范，改注入"我绝对不是什么AI"
4. 坏记忆不污染：沉默/兜底/AI味回复不进记忆
5. 示范只教风格：对话示范让模型学会口吻，不作内容答案

组成

部分	文件	职责
记忆系统	remember/	记忆系统库（核心）
For 部分	foremeber.py	性格+记忆+用户对话拼装 + 接入文字模型
引擎管理	engine_server.py	一键启动/切换对话引擎（Qwen3-4B/1.7B/vanilla）
演示	webui.py	Gradio 对话界面（支持 --offline）

remember/ 文件	职责
memory.py	SQLite 三层记忆 + 去重 + 价格覆盖
memory_extract.py	对话 → 事实提炼
memory_prompt.py	事实 → 角色第一人称记忆提示词
qwen3_client.py	Qwen3-Embedding 检索（默认，CPU 模式）
gte_client.py / embedding.py / colbert_memory.py / encoder_router.py	备选检索组件

快速开始

# 环境（uv）
uv venv --python 3.11 .venv
uv pip install torch transformers safetensors pytest

# 运行（默认 Qwen3-4B 引擎）
python engine_server.py start qwen3-4b   # 启动对话引擎（或 qwen3-1.7b / vanilla）
bash run.sh chat    # 命令行对话
bash run.sh webui   # WebUI 演示
bash run.sh test    # 测试

检索模型对比

tests/compare_embeddings.py 实测（5 个记忆查询）：

模型	准确率
Qwen3-Embedding-0.6B（默认）	5/5
GTE-multilingual-base	4/5
bge-m3	3/5
bge-base-zh-v1.5	3/5
EmbeddingGemma-300M	3/5

使用的模型与许可

模型	用途	来源	许可
Qwen3-Embedding-0.6B	语义检索（默认）	HuggingFace	Apache-2.0
GTE-multilingual-base	语义检索（备选）	HuggingFace	MIT
LFM2.5-Embedding/ColBERT/Encoder-350M	检索组件（备选）	HuggingFace	LFM Open License v1.0

LFM Open License v1.0（LICENSE_LFM.md）要点：

• 非商业/研究免费；年收入 ≥ 1000 万美元的实体商业使用需授权（Section 5）
• 再分发须保留版权声明

项目代码遵循 MIT；LFM 模型权重遵循 LFM Open License v1.0，相互独立。

许可证

MIT License © 2026 forhearts