https://jiajia.fun/qa/9116c5ae-%E6%95%85%E4%BA%8B%E5%B7%B2%E7%BB%8F%E5%AE%8C%E7%BB%93%E4%BA%86-%E5%9C%A8%E8%BF%99%E4%B8%AA%E9%99%90%E5%AE%9A%E8%8C%83%E5%9B%B4%E4%B8%8B-%E6%9C%89%E5%93%AA%E4%BA%9B%E6%96%B9%E6%A1%88%E5%AE%9E%E7%8E%B0

# 故事已经完结了 在这个限定范围下，有哪些方案实现

故事已经完结这个前提很关键，它把问题性质整个改了：之前讲的是「记忆会无限增长所以得管」，现在是「数据总量固定，能算清楚有多少 token」，那大部分记忆系统要解决的动态写入、遗忘、压缩都可以直接跳过。 接下来按你的数据规模分档，先说怎么估算： 角色卡、世界观设定这类静态的东西，用 JSON 或 YAML 存一份，直接算 token；已完结的剧情原文，在对话记录里用 tokenizer 跑一遍，就得出确定的数字。另外把状态 KV 单独拆出来，好感度、时间线、持有物品这类每轮都要读写的内容，不要当记忆，要当变量。这部分用自然语言存一定会漂移，用结构化字段存才稳。 档位一：全剧 token 在 30 万以内。这个量级什么都别设计，一份完整剧情原文加人设，全塞进上下文。位置按最稳定的放前面来排：人设和世界观硬设定在最前，剧情原文在中段，状态 KV 和最近几轮对话在最后。前面那段别改，前缀缓存能命中，成本能降一个量级。9b 这点上下文装不装得下要实测，装不下就降到下一档。这档的好处是零检索误差，角色不会「记错」，因为根本没有检索这一步。 档位二：几十万到百万级，9b 装不下或者塞进去后模型明显开始走神。这时候别做向量检索，做「章节级目录 + 按需展开」：把故事切成章节，每章配一句摘要和起始时间点，汇总成一份目录放进 system prompt。模型自己判断这次对话该翻哪几章，需要细节时用工具去拉原文。这比全文塞进去省 token，比向量召回准得多，因为章节边界是语义上真实存在的界线，不是向量算出来的相似度。角色扮演最大的伤害是记忆串味，向量按相似度召回天生就会把「第一次见面」和「吵架那天」混在一起，这一点我之前就提醒过。 档位三：真的超过你的窗口预算好几倍，才考虑检索。就算上了，也优先用 SQLite FTS5 关键词召回，别上 embedding。用户提「剑」「第三纪元」这种具体名词时，精确匹配比语义匹配准；只有他提「那天你们聊了很久」这种模糊指代时，才需要向量。真要混合，就是关键词优先、向量兜底，而且要带时间过滤，确保拉回来的片段时间线不冲突。 不管哪一档，有件事你现在就该做：既然故事已经完结，就把「原剧情」和「后续对话」严格分开存。原剧情是只读的真相源，用户和你后来的每一轮对话是增量。角色引用原剧情时应该能精确引用，而自己编的后续不该混进原剧情的索引里，否则聊一百轮之后，模型会把自己编的经历当成原作事实。这是完结型角色最典型的腐化方式，和你玩的那个 9b 小模型尤其容易踩。 还有一点关于 9b 的现实提醒：这个尺寸的模型不适合「让它自己决定去翻哪一章」这种需要判断力的动作，指令跟随和工具调用容易出错。档位二在 9b 上，更稳的做法是先用一个小分类器或关键词规则，从用户消息里判断它提到了谁、哪个地点，直接定位到章节，别让模型自己选。等到模型换到 32b 以上，再交回给模型自己决定。 落到你的第一版：如果剧情原文能塞进上下文，就直接走档位一；如果塞不下，就走档位二，用章节目录加规则定位。这两种都不需要向量库，一个几百行的 TS 服务能写完。
