你搜了“ai 角色扮演提示词”，得到一份五十条的清单，挑了一条粘贴进去。第一条回复不错，第四条就成了一团糊，于是你去找一份更好的清单——因为最顺理成章的解释是：你用错了提示词。
其实不是。同一段话，放在这个角色身上能写出紧张而具体的场景，放在另一个角色身上就只剩壁纸一样的背景板，而那些清单文章说不出为什么——要说清楚，就得写点提示词以外的东西。
提示词是模型看到的最小的一块
每一轮，有四样东西送到模型面前：角色的人设、到目前为止的对话、记忆里的事实，以及你刚刚打出的那条消息。你的这条最短，也最后到。它只是轻轻推一下，并不能推翻前面的。
这就是提示词合集像星座运势的原因。“你是一个阅尽沧桑的侦探，身处一座永远晾不干的城市”用在一个人设只有两行含糊话的角色身上效果惊人，因为它终于补上了缺的东西。把它贴到一个写得好的角色身上，就等于给了她第二个相互矛盾的身份——三条回复之后你会感觉到，那是一种不断滑走的声音。
所以有一个排序：人设，然后是开场白，然后是记忆，最后才是你打的字。大多数人把它倒着用，然后得出结论说 AI 不行。
角色里真正该写什么
三样，没有一样是篇幅。
- 矛盾。只会善良的人无处可去；善良却觉得这件事很累的人，每一次对话里都有戏。
- 沉默。如果她从不谈那场战争、她的哥哥，或者她为什么离开——把它写下来。模型推不出一个你只在脑子里想过的沉默。
- 语气，要演示而不是描述。“句子很短，讽刺的话从不说完”胜过一整段关于她性格的文字：它指示的是输出，而不是陈述一个人的事实。
在这里，目录里的简介和人设是两个不同的字段，只有一个会送到模型那里：简介是人们浏览时读的宣传语，人设是她每一条回复都被要求扮演的样子。把你写得最好的那一段放进简介，是好素材白白浪费最常见的原因。配套文章：你真正能控制的是什么。
开场白是你唯一的示范样本
开场白是作为她的第一轮发言存下来的，所以它就在模型读取的对话里——而在第一条消息时，它是她声音唯一存在的样本。长度、时态、人称、她是叙述还是只说话：全都会被照抄，并且一直被照抄，因为每条回复都在模仿上一条。
“嗨！我是玛拉。你叫什么名字？今天想做点什么？”教给她的是没用的东西：她只会提问然后等着。对比一条真正干活的——“雨下起来之后，酒吧就一直是空的。玛拉擦着一只十分钟前就擦过的杯子，门一开就抬起头。——你就是打电话问楼上那间房的人。这不是个问句。”一个地点，一个时间，刚发生的一件事，一句她的口吻。
而且因为关于你的事实住在记忆里，而不是问候语里，开场白根本不必介绍你。每个角色都有一份可读、可编辑的记忆，所以你说过一次的话不必重说——这才是让开场白得以成为一个场景的原因。更长的论述在这里。
用来确立，而不是盘问的开场
你自己的第一条消息是这份工作的另一半：一个可以站的地方，一样可以注意到的东西，一件没解释的事。
- “这是你当班的最后一个小时，我在柜台最远的那头坐下，手边一个我显然不想打开的文件夹。先别问我这件事。”
- “我们已经开了一个小时的车，过了那个路口之后谁也没说过话。我是那个提前下匝道、也不说为什么的人。”
- “凌晨两点，你在消防梯上找到了我。我告诉你我睡不着。但我出来不是因为这个。”
藏起来的那件事就是发动机：它给她一个追问的理由，也给你留了一张以后出的牌。要避开的形状是“你是吸血鬼领主，我是你的仆人，开始”——那是一个前提，不是一个场景。
在场景中途引导，又不走出场景
回复跑偏时，本能是打一条指令。它管用一次，但每次都有代价：指令会留在对话里，而满是舞台指示的上下文会教模型，这是一场关于场景的讨论。
- 在虚构之内引导。想要更短的回复？你自己写短一点——几个回合之内她就会模仿你的回合长度。想让她不那么顺从？做一件她会反对的事。
- 括号旁白要省着用：“[跳出角色：每条回复一小段。]”一条能奏效；四条就把场景变成了制作会议。
- 编辑回复，而不是重新生成——没人用、杠杆却最大的工具。你留下的东西会成为下一条回复模仿的范例：把三段删成那一段好的，下一个回答就会以那个形状到来。而当一个场景可以走两条路，就分出一条分支，而不是跟她争。
变平淡了，无非是这三件事之一
- 没有留下悬而未决的问题：两个回合前你就化解了张力。从房间外面带点东西进来——一下敲门声、一条消息、一个截止时间。
- 你什么都同意，所以她唯一的动作就是同意回来。在角色之内反对一次，并且是认真的。
- 上下文里塞满了你的指令。和她开一条新的故事线：记忆会把事实带过去，舞台指示不会。
而且重新生成两次就够了，别八次。如果两次掷出来都软绵绵的，问题出在骰子的上游。
用大白话讲滑块
- 温度是模型愿意选一个不那么显而易见的下一个词的程度。低的稳定，略显乏味；高的读起来有创意，直到她忘了一页前用过的名字。
- Top P 在挑选之前把候选收窄到最可能的几个——压得很低会让她可靠，也略显机械，而且它是比温度更干净的一道刹车。
- 重复惩罚和频率惩罚把模型从已经用过的词那里推开：一点点能治好一个卡在同一个形容词上的角色，太多则她会不再用你的名字，而那也是个重复的词。
老实的总结：滑块改变的是质感，不是判断——一个句子听起来怎样，而不是有没有赌注。一个只有三个形容词深的角色，不会因为调高温度就变深。
提示词修不好的事
- 它不能让模型记住。“记住我上夜班”只在这次对话里有效，下周就没了，除非被写下来。
- 它不能永远守住一条规则：凡是你每隔几轮就要重申一遍的，都该放进人设或记忆里。
- 它救不了一个由三个形容词拼成的角色，也不会动内容的底线：成人向角色扮演在机器人里要先过一道 18+ 确认。
对手更强的地方，直说：对于带条件设定的长篇世界——只有提到某个地点或名字才触发的条目——SillyTavern 有 lorebook 和固定深度注入的作者注释，而我们两样都没有。角色卡导入时会带着人设、开场白和采样参数；lorebook 不会。如果那是你的工作流，它是更好的工具，而且 Chub 和 Janitor 的角色卡库比我们的目录大得多。
十分钟测试
- 打开一个变平淡了的角色的人设。加上一个矛盾，再加一件她从不谈的事——两句话。
- 把她的开场白改写成一个场景：地点、时间、刚发生的一件事、一句她的口吻。把问号删掉。
- 打开她的记忆，删掉那条错的。通常有一条。
- 开一条新的故事线，发上面的一条开场。
- 当一条回复有八成对了，把它编辑到位，而不是重新生成，然后看下一条。
如果十分钟的编辑、零个新模板之后她变好了，那就是你搜索的答案。机器人是 @talaforge_bot；它在 Telegram 里打开，无需安装，也无需注册。