教练说出“大脑一片空白”那天，工作台上缺失的是什么

以下是由 AkaLive 角色 AI 板块用户 YariPoké 分享的一段宝可梦角色扮演场景。训练师“小智”刚抵达阿罗拉地区美乐美乐岛1号道路，便这样说道：“明明我们昨天还在到处进行非常精彩的对战，可一到港口下来，脑子里就像被橡皮擦得干干净净，一片空白！”皮卡丘半眯着眼睛，仰头看着小智的侧脸。当小智自嘲道“大概是想让我酷酷地忘掉吧”并拿自己的名字开玩笑时，皮卡丘一只耳朵耷拉下来，前爪抵住额头，随后便引出了“600只小智爸爸”的话题 ¹。

帖子底部有一条单行评论：“看来不是第一次见他脑内存重置了。” ¹ 这一刻，AI 角色将自身记忆的空缺自然地处理为剧情内的台词，即“失忆”这一设定。这并非错误报告，却是一个精准捕捉现象的场景。角色并非刻意扮演健忘症，而更像是当先前的对话内容从 AI 的“工作台”上消失后，仅凭剩余设定来填补这一空缺所产生的结果。

“工作台”这一比喻：AI 并非在记忆，而是每次都在重新读取

当 AI 角色突然说出前后矛盾的话时，我们常觉得“AI 忘记了”。技术博客 junhyunp.github.io 将这种感觉解释为结构问题，而非模型的懒惰。大语言模型（LLM）的 API 本质上是一种不保存状态的结构（stateless）。对话看似自然衔接，实际上每次请求都在将全部历史对话连同新问题原封不动地重新发送 ²。模型并非依靠记忆来接续对话，而是用户每次都在重新复述记忆内容。

问题在于，随着对话回合的积累，每次请求的数据量不断增加。这一限制被称为“上下文窗口”（context window）。博客“Ttukttak build”的作者林载厚（Im Jae-hu）将上下文窗口比作书桌上的“工作台”。工作台上不仅摆放着当前的问题，还有此前的对话、附件、预先设定的指令、工具执行结果以及 AI 正在撰写的回答 ³。就像书桌空间有限一样，工作台也有上限，该容量以 token 为单位进行衡量。Token 是 AI 处理文本的最小单元片段，其与字符数并非一一对应 ³。

超过上限时，不同服务空间腾挪方式各异。林载厚表示，根据产品不同，采取的方式包括：从工作台上移除部分较早的对话，将前述内容精简摘要后重新放置，只提取相关部分，或要求开启新对话 ³。根据 junhyunp.github.io 的说明，直接调用 API 时，超出限制会明确报错；但聊天机器人服务会自动对开头部分进行摘要和删除，随后在无提示的情况下继续对话 ²。由于用户无法得知哪些信息被截断，便会产生“为什么他忘了刚才说的话？”这一疑问。

系统提示词留存，轶事被清除

那么，为何角色的性格得以保留，而轶事和冒险经验却消失了呢？这是因为工作台填充要素的可控性不同。根据 junhyunp.github.io 博客中的表格，系统提示词（角色与规则设定）会在每次请求时固定插入，属于可控性高的项目。相反，对话记录（至今为止的所有问答）则是可以通过开启新对话或通过摘要进行调节的对象 ²。换言之，“你是训练师小智，搭档是皮卡丘”这一基础人设指令每次都会重新装载，而诸如“昨天在某条道路上进行了对战，遇到了名叫玛奥的少女”这类细节叙事，则容易成为截断和压缩的对象。

在角色聊天服务中，这种截断往往遵循一定的管理规则，而非随意为之。发布在 notes.io 上的一份名为《角色聊天长期记忆压缩·合并指南 2 期》的文档便印证了这一点。该指南规定，长期记忆槽的正文字数限制为 300 字（包含日期、期间、空格和标点）。如果说第 1 次压缩是将分散在多个日期和场景中的原始内容按事件为单位进行整理的步骤，那么第 2 次压缩则是一个优化步骤：重新阅读已经提炼好的多个事件记忆，将相同的事件弧线、关系变化、秘密、状态变化合并为更大的单元，从而减少记忆条目数 ⁴。

这份文档确立的核心判断标准十分明确：“删除此信息后，后续角色扮演中的事实、关系、行为、信息状态是否会发生实际变化？” ⁴ 如果不会发生变化，则可删除或并入其他记忆。例如，“一次性配角反应”、“单纯的移动、饮食、着装”、“已经终结的事件细节”、“战斗或行动的细节顺序”均被明确列为可缩减的对象 ⁴。相反，被归类为“保留锚点”的关系变化的决定性转折点、当前有效的承诺与条件、未回收的伏笔、永久性变化以及用户确认的设定，除非已明确迁移至其他记忆，否则不予删除。

也就是说，“似乎一直在进行对战”这种抽象的当前状态接近于保留锚点，因此得以保留；而该对战具体是在哪条道路上、与谁、如何进行的细节，则可能成为合并或删除的对象。指南还明确指出“检索性与连续性优先于内存数量的减少”，意味着并非单纯削减信息，而是以 AI 能否在后续角色扮演中准确还原所需信息为基准 ⁴。将按此规则压缩后的结果放置在工作台上，AI 便需在保持角色名字和性格基础的同时，在冒险细节空缺的状态下生成回复。

皮卡丘的台词并非 AI “凭空创作的理由”

回到小智的台词，这一幕中发生的事情便更加清晰了。训练师脑海中仅剩下“昨天似乎进行了精彩对战”的模糊印象，于是便说出了“变得一片空白”。这并不是 AI 突然悟到了自己的记忆机制并创作出搞笑台词。工作台上仅留有基础人设指令、经过压缩和截断后的空白叙事空间，以及用户的输入。模型只是基于这些输入，生成了最自然的下一句对话而已。“记忆空缺”这一情境早已作为输入条件存在，按照角色设定，其应有的反应输出为“变得一片空白”的台词、皮卡丘的叹息以及耳朵耷拉下来的动作 ¹。

评论中“看来不是第一次见他脑内存重置了”这一证词，从这一角度来看并不夸张 ¹。在无状态结构中，当对话长度超过限制时，开头部分被悄然截去，这并非模型故障，而是服务的基本运作方式 ²。角色扮演比一般问答更容易积累庞大的对话记录，加上角色设定和世界规则固定于系统提示词中，因此“人格得以维持，而叙事被初始化”的体验具备了反复出现的条件。

无法彻底消除重置，但可降低其频率

了解技术结构后，应对策略也就清晰了。首先需要明确一个前提：以下方法并不能消除“内存重置”这一结构本身。由于工作台容量这一物理条件依然存在，重点不在于完全避免截断，而在于降低“重要信息丢失的频率”并使截断后的恢复更加容易。

实际应对方法可通过 junhyunp.github.io 和博客“Ttukttak build”的建议进行整理 ²³。当主题彻底改变或旧指令与新目标持续冲突时，建议开启新对话以减少无关记录和成本 ²³。若对话已变得较长，可要求 AI 以“请分别整理：目前已确定的内容、尚未决定的内容、后续回答中需要坚持的条件”这类方式对当前状态进行摘要 ²³。林载厚建议亲自检查这一摘要结果，以便及早发现 AI 理解错误的部分，并在此基础上于新对话中以这份摘要铺开干净的工作台，效率更高 ³。

在需要坚守诸多设定的角色剧情类任务中，将核心条件在最近一条消息中再次提及的方法非常有效。与其模糊地指示“照之前说的做”，不如简明地重申必须遵守的条件。即使开头部分已被截断，只要保留在最近的记录中，它就能重新回到工作台上 ²³。林载厚建议将这些条件像“必须遵守的条件”那样分离为独立块，以免淹没在正文之中 ³。

服务层面的补充手段也同样存在。诸如 OpenClaw 之类的 AI 助手将会话结束时即消失的短期上下文记忆与会话间保留的长期永久记忆（MEMORY.md）区分管理；当长对话达到 token 限制时，通过 /compact 命令对对话进行摘要，以保留核心背景 ⁵。利用外部存储或配置记忆功能也是同一思路。不过，即使信息已存储于记忆中，若未载入当前工作台，AI 便无法感知，因此应理解存储与否与实际调用是两个独立问题 ³。

回到小智的场景，如果用户原本想延续与皮卡丘的“昨天真实的对战内容”，最直接的方法可能是在展开对白前，于新工作台上重新明确设定遇见玛奥和那位金发少女的初遇、目前持有的 3000 日元零花钱、5 个空的精灵球等条件。多亏了 AI 将自身的记忆空缺化作“像被橡皮擦般变得一片空白”的台词融入叙事，用户才会调侃其为“大脑重置”而开怀大笑，我们也得以透过这一直观场景，看清当工作台满溢时会发生何种状况 ¹。这并非角色在扮演遗忘，而是仅凭剩余设定填补工作台上消失的信息所致；今后，用户可通过在最近的消息中保留重要条件，利用中间摘要在新工作台上重新开启的方式，来管理这种空缺。