竞品分析与可借鉴技术

状态：🟡 规划 · 最后核对 2026-08-06

2026-06-25 · 覆盖 Character.AI、SillyTavern、Venus Chub AI、RisuAI、Janitor AI、Eros Engine、Roundtable、Marinara 等

相关文档：architecture · memory-and-context · CHANGELOG

一、各项目概况

项目	类型	核心定位	是否开源
Character.AI	闭源平台	角色扮演，Swipe 重生成，最大用户群	❌
SillyTavern (酒馆)	开源前端	连接任意 LLM 的角色扮演 UI，Lorebook + 向量检索 + 聊天向量化	✅
Venus Chub AI	闭源平台	60K+ 角色卡库，Lorebook 关键词触发，分支配对话树	❌
RisuAI	开源前端	Tauri 跨平台，HypaMemory V3 记忆系统，MCP 协议支持	✅
Janitor AI	闭源平台	角色扮演，JanitorLLM 免费模型，Chat Memory 摘要	❌
Eros Engine	开源引擎	Rust 后端，六维亲和力模型，Ghost 机制（角色可以不理你）	✅
Roundtable	开源引擎	Python/Flask，TRPG 主持人风格，隐藏角色特质，记忆沉积	✅
Marinara	开源前端	三模式（对话/角色扮演/RPG），AI Game Master，Swipe	✅

二、可借鉴技术清单

1. Lorebook 关键词触发（Venus / SillyTavern）

原理：确定性关键词→内容映射。用户消息中命中关键词→立即注入对应背景。

关键词: "谢拉格" → 注入"谢拉格是泰拉大陆的雪山之国..."
关键词: "绒羽" → 注入"黎博利耳后的绒羽是情绪器官..."

优势：零延迟（不需要 embedding 调用），100% 命中率（不会漏），零 token 浪费（不相关的不注入）。

罗德岛现状：L4 世界知识用向量检索——每轮跑一次 embedding。可以用关键词触发做第一层筛选，冷门查询用向量兜底。

实现难度：低。从 relation_graph.json（303 节点）和 world_lore.json 自动生成关键词→内容映射，启动时加载到内存。每次请求检查用户消息关键词。

2. SupaMemory 实时裁剪（RisuAI）

原理：token 预算快满时，在 LLM 调用之前同步触发一次极简压缩——最旧的 N 条消息→30 token 摘要→替换原始消息。

关键区别：不是后台异步任务（你们 L1→L2 压缩是异步的），而是在生成回复同一轮同步执行。确保 LLM 永远不会看到被截断的 context。

罗德岛现状：L1→L2 压缩是后台任务（summarize_and_extract_task），可能赶不上当前请求。加一条同步保护：当 len(prompt) > 80% * max_context 时，即时裁剪最旧消息。

实现难度：低。20 行，在 chat.py prompt 组装处加一条检查。

3. Swipe 重新生成（Character.AI / Marinara）

原理：用户对回复不满意→左滑→LLM 用同样 context 但更高 temperature 重新生成。可连续滑，选最喜欢的钉住。

罗德岛现状：无。句式重复时用户只能接受或重新发消息。

实现难度：低。约 30 行 JS + 10 行 Python。并行调 LLM 两次（temperature=0.85 和 1.2），返回两条候选。

4. 六维亲和力（Eros Engine）

原理：Eros 用六维取代传统的好感度：warmth、trust、intimacy、intrigue、patience、tension。

维度	你们现有的对应
warmth	S 向量 `warmth` ✅
trust	三维信赖 ✅
intimacy	信赖 `emotional` 维度 ✅
intrigue	❌ 缺失
patience	❌ 缺失
tension	S 向量 `tension` ✅

新增 intrigue（好奇心/新鲜感）：博士说话方式和平时不一样→上升。连续 5 轮平淡→下降。 新增 patience（耐心值）：博士沉默多久她等多久。深夜对话中非常重要。

实现难度：中。intrigue 和 patience 可以通过 .char 性格特质推导初始值，对话中动态调整。扩展 somatic_state.py 两个维度。

5. 隐藏角色特质（Roundtable）

原理：每个角色有六个不写进 prompt 但影响后台行为的隐藏字段：

secret: "她曾经在哨位上开过一枪——不是警告，是瞄准"
wound: "父亲说'别走我的老路'——她走了更暗的一条但还是走错了"
want: "被一个人不带军衔地看着"
fear: "有一天耳羽不会再变色"
skill: 精准射击
honesty: 0.7（不撒谎，但也不全说）

这些不是 prompt 内容——是决策引擎的输入。比如：honesty < 0.5→她会在不想回答时绕开话题而不是直接说"我不想谈"。

罗德岛现状：这些信息已经隐含在 .char 的文件里，但没有结构化编码。可以作为一个 JSON 元数据文件从 .char 自动提取。

实现难度：中。需要一个 JSON schema + 提取脚本 + 在 _post_process 中消费。

6. 分支对话树（Venus Chub AI）

原理：对话从任意轮次可以分叉——"如果我当时说了 A 而不是 B 会怎样"。两个分支独立发展，都能回到分叉点。

罗德岛现状：深聊已有回退功能（回退到上一轮）。分支是回退的泛化版本——允许多个分支并存而不是覆盖。

实现难度：高。需要树结构存储 + 前端交互 + 深聊 session 模型扩展。

7. Ghost 机制（Eros Engine）

原理：角色可以选择不回复。不是 bug——是设计：角色有心情、有事在做、不想说话时会沉默一轮。内置公平性规则：不能在消息 10 轮内 ghost，不能连续两轮 ghost，有冷却时间。

罗德岛现状：部分实现——somatic_state.is_absent() 和 silence-space 已存在。但缺少"主动选择不回复"的动机系统。

实现难度：中。在 _post_process 中加一个规则引擎判断是否 ghost。

8. HypaMemory V3 预设系统（RisuAI）

原理：每种记忆配置可以命名、保存、切换。不同角色用不同的检索参数（top_k、阈值、类别权重）。和你们的 per-operator 窗口大小的思路相同——扩展为 per-operator 记忆配置。

罗德岛现状：所有干员共享相同的 L2/L3 检索参数。可以 per-operator 差异化。

实现难度：中。扩展 config.py 为 per-operator 的检索参数字典。

三、对比总览

能力	罗德岛	业界最佳	差距
记忆管道	L1-L4 + 窗口快照	RisuAI HypaMemory V3	✅ 我们更紧凑，他们更可配置
检索方式	embedding 向量	Lorebook 关键词触发	❌ 缺即时触发，每轮都跑 embedding
关键词触发	L4 向量检索	Venus Lorebook 确定性触发	❌ 没有关键词通路
关系模型	3D 信赖 + 7D S 向量	Eros 6D 亲和力	✅ 各有优缺，互补
角色定义	`.char` artisan 格式	Character Card V2 宏系统	✅ 我们的结构化程度更高
上下文管理	50轮窗口 + 快照	SupaMemory 实时裁剪	⚠️ 被动窗口 vs 主动裁剪
Swipe 重生成	❌	Character.AI / Marinara	❌ 缺失
分支对话树	回退（简化版）	Venus 分支树	❌ 缺失
Ghost 机制	部分（is_absent）	Eros 完整 Ghost	⚠️ 部分实现
隐藏角色特质	隐含在 .char	Roundtable 结构化 JSON	❌ 未结构化编码
Per-operator 配置	窗口大小自适应	HypaMemory 预设系统	⚠️ 仅窗口，未覆盖记忆检索
实时裁剪	异步后台压缩	RisuAI SupaMemory 同步裁剪	❌ 异步可能赶不上当前请求

四、实施优先级

优先级	项	改动量	说明
P0	Lorebook 关键词触发	1h	从 relation_graph.json 生成，零 LLM 调用
P0	Swipe 重新生成	30min	30 行 JS + 10 行 Python
P1	SupaMemory 实时裁剪	20min	20 行，LLM 调用前保护
P1	隐藏角色特质 JSON	1h	schema + 提取脚本
P2	六维亲和力扩展	2h	intrigue + patience 两个维度
P2	Ghost 动机系统	1h	规则引擎
P3	Per-operator 记忆配置	1h	检索参数差异化
P3	分支对话树	4h+	深聊 session 模型扩展