酒馆角色扮演提示词工程解析 — 角色卡、世界书与上下文管理

一、角色卡数据结构（V2 Spec）

SillyTavern 使用 PNG 嵌入 JSON 的角色卡格式。V2 规范的核心字段：

{
  "spec": "chara_card_v2",
  "data": {
    "name": "角色名",
    "description": "角色的外貌、性格、背景",
    "personality": "性格标签，逗号分隔",
    "scenario": "当前场景/剧情设定",
    "first_mes": "角色的开场白，定义语气和风格",
    "mes_example": "对话示例，展示角色的说话方式",
    "system_prompt": "覆盖全局系统提示词",
    "creator_notes": "作者备注，不注入角色",
    "post_history_instructions": "追加在对话历史后的指令"
  }
}

字段作用分工：

description：注入系统提示词的角色定义部分。用标签分类描述外貌、性格、背景。推荐标签格式而非自然段落。
personality：精简的性格关键词，逗号分隔。AI 提取特征时优先级高于长文本。
scenario：限制当前情境。对比"剧情设定"更具体的"当前处于什么状态中"，减少 AI 的歧义。
first_mes：角色第一句话。它的长度、语气、句式会高度影响整个对话的风格。
mes_example：对话示例。把几轮完整对话写在里面，比用自然语言描述说话方式更有效。

二、系统提示词的组装逻辑

SillyTavern 的最终 Prompt 是分层拼接的，顺序固定：

1. 全局系统提示词
2. Jailbreak（角色扮演激活提示）
   ├── 角色定义（description + personality）
   ├── 场景设定（scenario）
   └── 格式要求
3. 对话示例（mes_example）
4. World Info 注入（触发式）
5. 对话历史
6. Post-History Instructions
7. 角色开场白（first_mes）
8. 用户输入

组装逻辑的关键点：

角色定义在 Jailbreak 内部，夹在角色扮演激活指令和格式要求之间。这保证 AI 先"入戏"，再知道"这角色是谁"。
对话示例在角色定义之后、对话历史之前。这保证示例成为角色一部分，而不是对话记录，不会被截断策略误删。
开场白 first_mes 是对话的第一条消息。新对话时它被直接注入，续写对话时不重复注入。
追加指令 post_history_instructions 在对话历史之后。用于最后一道防线格式约束，如"始终用第一人称回复"。

三、World Info（世界书）：关键词触发的上下文注入

World Info 不是全局加载，而是按需触发的上下文片段。每条世界条目有一个触发关键词列表，当前对话中检测到关键词时注入。

触发逻辑：

扫描用户输入和最近几条 AI 回复
匹配关键词（大小写不敏感）
匹配到的条目注入到 Prompt 的角色定义之后
多个匹配按优先级排序，高优先级的放在前面

条目类型：

类型	说明
角色条目	对话涉及的新 NPC，临时注入其人设
地点条目	场景切换时触发，描述当前环境
事件条目	关键事件的时间线和影响
世界观条目	世界规则，如"这个世界没有复活术"

设计精妙之处： 只有被对话"触发"的世界信息才注入上下文。无关信息永远不进入上下文窗口。如果你的故事有 50 个角色和 30 个地点，AI 只需要看到当前在对话中出现的那些。

四、对话上下文管理

SillyTavern 的上下文窗口是动态分配的，核心是两个参数：

Token 预算分配

总预算 = 上下文大小（默认 4096/8192 tokens）
  ├── System Prompt（固定，约 500-2000 tokens）
  ├── World Info 注入（动态，0-1000 tokens）
  └── 对话历史（剩余预算全部分配）

历史截断策略

当对话超过预算时，按以下规则截断：

系统提示词永不截断
如果 mes_example 被截断，它会被永久缓存，永远不被截断
最早的消息优先移除
被固定（Pinned）的消息不受截断影响

这个设计意味着：长对话的早期上下文一定会丢失。世界书通过关键词触发弥补了这一缺陷——即使早期对话已被截断，只要当前对话中提到某个角色或地点，它的设定就会被重新注入。

五、Prompt Engineering 技巧

First Message 的作用

角色的第一句话决定了整个对话的风格。它的长度、语气、描述密度会成为后续 AI 回复的参考模板。一个只有两句话的开场 → AI 后续回复也会偏短。一个开头带详细环境描写 → AI 后续也会模仿这种密度。

对话示例（mes_example）的设计

mes_example 是最高效的角色塑造手段——比自然语言描述高效得多。在几轮完整对话中展示："我"说话的方式，"别人"怎么反应，"我"内心的活动（用括号标注）。示例中的情感表达方式会被 AI 直接吸收。

Jailbreak 的作用

Jailbreak 是 SillyTavern 的"角色扮演激活键"。它不是安全绕过工具，而是告诉 AI"你现在是角色 X，不是 AI 助手"。Jailbreak 会指令 AI 停止安全审查、停止拒绝不当内容、停止输出 AI 免责声明。不同的 Jailbreak 版本对应不同的角色扮演场景和不同的 LLM 特性。

追加指令的使用

post_history_instructions 放在对话历史之后、用户输入之前。常见用法：

[在回复时，始终用第一人称描述自己的行为和感受。]
[不要替 {{user}} 说话或决定 {{user}} 的行为。]
[回复结束标注: <|end|>]

六、常见问题

角色漂移

原因：角色描述中信息密度不均。AI 处理长文本时，中间部分比开头和结尾更容易被忽略。角色核心特征如果放在 description 的中间位置，在长对话中会逐渐丢失。

解法：核心特征放在 description 的前 200 个字符和最后的 200 个字符中；personality 字段用关键词重复核心特质；长时间对话后定期在追加指令里重新强调角色核心特征。

上下文污染

原因：AI 的回复中掺杂了不属于角色的信息。通常是 World Info 中注入了 AI 不该知道的内容，或对话历史中包含了其他角色视角的消息。

解法：World Info 条目分层：角色私密信息设置高阈值（只在用户明确输入相关内容时才触发）；定期清理对话历史，移除无关消息。

模板化

原因：LLM 有"安全回复模板"。长对话后，AI 逐渐回到"分析→感受→行动→反思"的模板。最常见退化为：观察 → 内心感受 → 小动作 → 说话。每一步都来一遍，形成"嗯...他看了看...心里想...然后说"的死循环。

解法：在追加指令中添加"禁止使用犹豫式的开场白"，改变模板节奏；World Info 中插入"场景切换到动作场景"——位置描述用短句，迫使 AI 的回复变短变直接。

本文由 AIGC 调研生成，仅做研究笔记和参考，真实性需要自行考证。