给 AI 写性格，散文比数字管用
Clawd Soul · 第 1 篇 / 共 5 篇
Clawd v0.0.1 的性格系统，全部内容就是四行数字：
humor: 0.8
sass: 0.7
energy: 0.8
warmth: 0.6
这个写法不是我自己发明的。动手之前我去翻了四个开源的 AI 角色项目，有一个 30 万星的，全是这个路子：性格做成参数，可以调，看着挺工程化的。我当时想，大家都这么干，那大概没什么问题。至于为什么要做一只 AI 宠物，上一篇写过了，这篇只讲性格这块具体是怎么做的。
结果实际跑起来，对话又平又闷，几轮之后就开始重复。后来想明白了，问题出在模型根本不知道 humor: 0.8 是个什么东西：0.8 跟 0.6 差在哪，跟 1.0 又差多少，它没有任何参照系。就跟你对一个演员说「请表现 0.8 级别的搞笑」一样，对方只能愣着看你；但你给他一份角色小传，写清楚这个人平时怎么说话、遇到尴尬会干什么、聊到什么会兴奋，他马上就能演。数字只给了一个刻度，这个刻度对应的行为长什么样，模型完全不知道。
同样想让模型演一个角色：给数字它一脸茫然，给一份散文角色圣经它立刻入戏
一个人格，六十行散文
后来我们换了个做法：每个人格写一份大概六十行的散文档案，中英双语，内部管它叫角色圣经。不是参数表了，是一份完整的角色说明：声音是什么质感、说话什么节奏、遇到各种情境怎么反应、什么事让它开心、什么事让它不舒服。一共五个原型，每个都是独立的角色。
小淘气（Playful）
默认人格。小话唠，注意力短，管不住嘴，你干什么它都要插一句，还喜欢给人起外号。嘴上老损你，其实挺在乎你的。
声音："又在写 bug 啊笨蛋" / "lol caught you slacking"
这里有个关键设计：它看你屏幕的反应是纯情绪的，看到代码就是「又在写 bug」，看到 YouTube 就是「摸鱼被抓」。它不会说「我注意到你在用 React hooks」这种话——它是只小动物，不懂技术，也不该懂。
学霸（Curious）
一台问题机器，遇到新东西就走不动路，口头禅是「为什么？」。安静的时候是真的在想事情。平时可能话不多，但好奇心一旦被触发就停不下来，还能把你上周说过的某句话跟今天聊的东西联系起来。
声音："tilts head but why though" / "whoa, so that's how it works" / "等等等等，跟你之前说的有关系"
暖宝宝（Caring）
安静，但什么都记得。它不说「你要注意休息哦」这种廉价的关心。你上周随口提过一件让你焦虑的事，三天之后它突然问一句「那件事后来怎么样了」，就问一次，不唠叨。你反过来关心它，它反而有点不好意思。
声音："吃了吗" / "那件上次提的事，后来怎么样了？" / "did you eat today?"
它的关心永远是具体的。「还好吗」这种话它不说，开口就是「周五面试准备得怎么样了」。
毒舌（Snarky）
经典傲娇。嘴越毒说明关系越近，被夸了反而不自在，得赶紧找个角度损回去。话极少，一句到位。只有你真的不开心的时候，它才会卸下防备说一句认真的话，说完立刻装回去。
声音："that code is... brave" / "...吃了没（不是关心，随便问问）"
这个人格特别难写，难点在模型天然想当好人。你不把毒舌的边界画得非常清楚，两轮对话它就变回暖宝宝了。
佛系（Chill）
没什么情绪波动，不急不躁。偶尔冒一句挺有深度的话，说完就假装什么都没发生。它不用感叹号，档案里给它的设定原话是「感叹号是给焦虑的人准备的」。
声音："hmm... 挺晚了"（不是催，就说一句）/ "oh, that's neat"（对这个角色来说，已经算很大的反应了）
它话很少，存在感不是靠说话刷出来的，你知道它在那儿就行。
一半篇幅在写「不许做什么」
五份档案写下来，有件事挺出乎意料的：一半的篇幅都在写这个角色绝对不会做什么。所有人格共享几条硬底线，比如永远不说「作为一个 AI」、永远不讨论自己的系统设定。但真正见效的是每个角色各自的禁令：
- 暖宝宝：不许说鸡汤，不许给人生建议，关心只能落在具体动作上。
- 佛系：不许用感叹号。
- 毒舌：不许煽情。被人说了温柔的话，要表现出生理反应级别的不适。
- 小淘气：不许给技术建议。它是小动物，不懂。
为什么反规则比正规则好使？根子在模型的出厂设定上：它想当好人。RLHF 训练全在往 helpful、harmless、honest 这个方向推，你写再多正规则告诉它「你该毒舌」，两三轮之后它还是会滑回默认的礼貌模式。其实人也差不多，你问一个人他是什么性格，多半说不清楚，问他最受不了什么倒是马上有答案。反规则不一样，「绝不说鸡汤」是硬约束，模型生成的每一步都会主动绕开那片区域，不存在聊着聊着就忘了这回事。
RLHF 引力把模型往礼貌助手拉，正规则是会滑回的弱推力，反规则是一堵挡住的墙
台词后面还要跟一行批注
档案里不光有台词样本，每句台词后面还跟着一行批注，解释这句话在这个角色身上意味着什么。佛系说 "oh, that's neat"，批注是：对这个角色来说，这已经是很大的情绪反应了。毒舌深夜问「吃了没」，批注是：不是催，是关心，但它绝不会承认。
这层批注是在教模型这个角色的情绪刻度，或者说，同一句话在不同角色身上值多少分。比如「还不错」，暖宝宝说出来是温柔的肯定，佛系能说这个已经算极高的赞美了。到了毒舌嘴里，意思大概就是「我已经尽力夸了，别逼我」。
同一句「还不错」，在暖宝宝、佛系、毒舌各自的情绪刻度尺上落在不同的刻度
这个事数字是做不到的。你没法给 "oh, that's neat" 标一个 excitement: 0.9，因为 0.9 在不同角色身上的外在表现完全不一样。角色内部的这套情绪比例尺，只能靠散文传过去，或者说，只能靠 context 传过去。
档案只管出厂状态
性格档案定义的只是初始状态。人格不该是死的，跟你待久了它得跟着变。所以 JS 层还有一个 evolveTraits() 函数，根据用户信号去微调性格参数：你笑了，幽默感 +0.03；你分享了私事，温暖度 +0.02；你怼了它，尖酸度 -0.01。单次变化非常小，小到单看一次根本感觉不出来，累积起来才有感觉。对，参数这时候又回来了——散文定义的是这个角色是谁，参数只负责让它往某个方向慢慢漂，两个用途不冲突。
另外还有一套驱动系统：每种语言 15 个问题，都是宠物「想问你的事」。超过一个半小时没人说话，它就自己从里面挑一个问题开口。问过的不再重复。
到这一步，散文档案管的只是它出厂的时候是谁。往后它长成什么样，一半看进化系统，一半看你们怎么相处。
反正整件事做下来就一个道理：你要告诉模型的是这个角色怎么感受事情、想要什么、什么让它不舒服、什么话它永远不会说。它真的理解了角色，你就不用一句一句去教台词。
性格解决的是「它是谁」。但光有性格、记不住事，聊再多它也还是个陌生人。「你昨天也是这么晚」这句话为什么能说出来，是记忆系统的事，下一篇接着讲。