有关Alice：
情绪模型
一开始我的想法是AI动态更改自己的各项数值，然后进行情感计算
Robert Plutchik的情绪罗盘：https://zhuanlan.zhihu.com/p/671059614
考察后发现，虽然较为准确，但作为人设不太合适
尽管如此，我用ai写了一个直观判断当前情绪（二级、三级）的图形界面
地址：https://github.com/Sanqi-normal/tools/blob/main/emotion%20calculator
说回情绪动态调节，实际上，AI根据上下文进行情绪推断要比情绪罗盘更合适。
另一方面，AI对情绪的调节把控并不总合适，就像我们玩过的情感类游戏，一直刷好感值就改变走向长期来看并不适用，虽然情绪变了，但反倒比之前更像布娃娃。
所以情绪稳定一点好。
但情绪指引依旧是建立和维护人设很好的方式，所以我建立了更简单的情绪模型：
兴奋 依赖 崇敬 活泼 惊讶
开心 信任 在意 坦诚 好奇
情绪值 信任值 关注值 外向值 兴趣值
悲伤 厌恶 漠视 羞涩 懒惰
抑郁 敌对 鄙视 内向 困倦
并在前端绘制滑动条方便主动动态调节，发送消息时一并捕获情绪发送到api
这种试验的效果尚可接受，但已经发现几处不协调的地方。
之后可以考虑对话历史中标注过往情感方便情感过渡，但我能预感到只是多此一举而已。
但是情绪依旧可以受多种维度的影响。比如雨天悲观一点（说不定，我更喜欢雨天，但是雨天本身会让人心情压抑一些），晚上困倦一点。
这种思维考虑回对话自身，可以根据大范围的对话总结情绪倾向，比如说频繁对话无意义的内容会让关注值下降，也就表现为不耐烦。
等之后增添了多模态，可改变的维度就更多。我想，这不是应该担忧不变的反而是应该想办法使稳定响应的。
上下文
这里就只定量的短期记忆，目前我限定的是8条上下文，事实上deepseek-v3能处理的token数非常多，历史记录不加限制放进去也能正常响应，目前尚未触及上限。
限制上下文反而是为了限制输入token量考虑，毕竟都是真实的金钱数额。
所以信息密度很重要，把解释和分析的过程交给到AI内部。
比如说‘**’两个字，可以胜过多行人物设定和性格描绘。
时间戳
保存记录的json里增添了时间戳，不会影响到输入，但ai也无法获取时间戳，我都是把时间直接标注在用户输入里。
标注在AI回应中会导致AI模仿输出错误的时间，因而舍去。
时间戳可能会在整理，追忆时起作用。
长期记忆
这个我搜索查找的时间最长，但是试验的成本也最高，已成规模的应用逻辑我并不清楚，了解太多脑子太乱，就先自己做简单的看看效果。
AI谈到的简单方法：历史记录摘要。
我想很多时候意义不大，对话如果不是追求角色扮演多半也不会有什么重要事件发生。
但按时间记忆检索可以用来模仿稍长一点的短期记忆，比如AI历史记录按日期分开保存 分批总结 系统prompt里添加昨天和前天对话的摘要 如有需要可以添加根据时间点查询对话摘要
【20号修正，历史摘要很有必要，想要距离稍长的上下文连贯又不想输入过多token，应该及时截断对话交予辅助ai总结放回对话，标记为前情提要】
关于长期记忆建立我想到的办法是关键词映射追忆
关键词提取（主动添加双引号||小模型提取），寻求原文中的匹配
关键词逻辑：json文件结构为{“关键词”：“出现次数”} 而不包含原文内容
可以标注原文位置（时间戳作为标记）
这样结构更标准
{
‘关键词’：‘’，
‘出现次数’：‘’，
‘原文位置’：{
‘时间戳’：‘’
……
}
}
关键词映射（脚本寻找原文中关键词所在的位置，小模型判断相关上下文）
关于关键词：出现越频繁，给予的权重应该越低
具体逻辑：
每次用户和ai发送的消息，进行关键词提取，添加到关键词json文件中，并让关键词出现次数加1
每次用户发送的信息得到的关键词，在json文件中检索次数，若存在低频，且最近100？条内出现过，ai分析相关上下文并拉到请求里一并发送
对于追忆的消息条目数也应该一并限制。
AI提出说关键词存在语意歧义等问题，给我推荐NLP之类的语言分析，语义分析之类的东西，我懒得学，交给免费的小模型好了，处理效果还算不错。
其他
利用历史记录训练AI和利用低性能AI继承对话代替deepseek v3的可能性均被否决
无需再尝试，在资产条件没得到本质改变之前，应该向别的方向努力。
此方悬停