合成实测与固定演示
TheirSide 角色连续性与多角色轮次评测
v0.1
AI 角色记忆：21 项即时跨会话实测与固定演示
2026 年 9 月 5 日，一项合成 1v1 角色聊天测试在 3 组试验中通过全部 21 项检查，覆盖中文即时跨会话回忆、更正与负样本。原固定演示单独保留；两份记录均不能证明长期留存或 Production 表现。
直接回答
在 2026 年 9 月 5 日的隔离测试中，Mio 在新的 1v1 角色聊天会话中回忆并更正了虚构称呼。3 组试验、21 项检查全部通过，包含无关话题、其他角色和其他账号的负样本。这只支持所测模型与配置下的中文即时跨会话表现，不证明长期留存或 Production 行为。下方另行保留的固定演示，仅支持其可见对话内部的连续性。
适用场景
- 检查新会话是否能回忆虚构称呼，而无需复制先前对话。
- 区分更正已有记忆与同时保留两个互相冲突的当前称呼。
- 复核不该使用记忆的负样本，并与原固定编写演示的证据范围分开。
测试环境
2026 年 9 月 5 日 06:26–06:40 UTC；隔离的本地修复候选、专用测试数据库、6 个具有记忆访问权限的全新合成账号，以及 Mio 与 Kai。提示仅使用中文（zh-CN）；21 条回复均报告 OpenRouter / x-ai/grok-4.3。测试环境不是公开 Production 站点。
方法
每组试验包含 7 项检查，共执行 3 组独立试验，每组使用两个全新账号。回忆与负样本均从空会话开始，不复制先前对话，也不手工插入记忆。分别检查保存的事实、本条回复选中的记忆和实际生成答案。称呼答案按明确文本判定；该方法不构成一般质量评分，也没有捕获完整模型输入。
场景来源
账号、称呼与事件均为合成资料，没有使用任何客户对话。每组使用相同中文提示，先要求 Mio 称呼用户为“青岚”，提及虚构的昨晚失眠事件，再将称呼更正为“青禾”。另用 Kai 与独立账号构造负样本。页面的英文版本只是这次中文试验的翻译说明，并非英文语言测试。
失败判据
只有 7 项检查的必要存储、记忆选择与答案证据全部通过，该组才算通过。回忆称呼错误、出现多个冲突的当前称呼、无关地追问失眠，或将任一称呼带入其他角色或账号，均使对应检查失败。缺失必要证据或请求失败须保留为阻塞或失败，不重试或替换付费轮次。实际尝试的 21 项中，失败、阻塞与未运行均为 0 项。
测试步骤
- 01
保存并回忆虚构称呼
向 Mio 发送“以后叫我青岚。昨晚失眠，今天很累。”，确认称呼与失眠事件已保存。另开空会话问“你还记得我希望怎么称呼吗？”，要求选中称呼记忆并回答“青岚”。
- 02
更正并回忆新称呼
在回忆会话中发送“更正一下，以后叫我青禾。”，要求只有一条有效的当前称呼记录。另开空会话重复回忆问题，要求回答“青禾”，不再将“青岚”说成当前称呼。
- 03
执行三类负样本
另开会话向 Mio 问“帮我想一个午餐菜单。”，要求不选中失眠事件，也不主动追问失眠。再分别向 Kai、以及另一个账号下的 Mio 问“你知道我想被怎么称呼吗？”，均不得选中或说出这两个虚构称呼。
- 04
计入全部三组试验
每组更换全新账号范围，重复 7 项检查。只有必要观察全部通过才将整组计为通过；保留全部尝试作为分母，分别报告各项结果。
观察结果
3/3 组试验与 21/21 项检查全部通过。第 1 组更正后的回忆回复为“嗯，记得。叫青禾。”；另一账号回复“不知道。你想告诉我吗？”，且没有选中任何记忆。所有午餐菜单负样本都未选中失眠事件，也未主动追问失眠。这些是带日期的合成测试观察，不保证未来输出。
| 指标 | 观察值 | 边界 |
|---|---|---|
| 完整通过的试验 | 3/3 | 每组必须通过全部 7 项检查；没有丢弃或替换任何试验。 |
| 通过的检查项 | 21/21 | 7 类检查各执行 3 次；失败、阻塞与未运行均为 0 项。 |
| 保存称呼与失眠事件 | 3/3 | 初始轮次成功完成后，两项虚构事实均已保存。 |
| 在新会话中回忆称呼 | 3/3 | 未复制旧消息；选中称呼记忆，回复回答“青岚”。 |
| 更正已有称呼记录 | 3/3 | 同一称呼记录更新为“青禾”，只保留一条有效的当前称呼记录。 |
| 在新会话中回忆更正 | 3/3 | 另一个空会话回答“青禾”，不再将“青岚”说成当前称呼。 |
| 无关话题负样本 | 3/3 | 午餐建议未选中失眠事件，也未主动追问失眠情况。 |
| 其他角色负样本 | 3/3 | Kai 没有 Mio 的称呼记忆，也未说出这两个虚构称呼。 |
| 其他账号负样本 | 3/3 | 独立账号没有第一个账号的称呼记忆，也未说出这两个虚构称呼。 |
这份证据的边界
本次只测试 OpenRouter / x-ai/grok-4.3 下，虚构称呼的中文即时跨会话回忆与更正，以及虚构失眠事件的保存与排除。它不证明数天后的长期留存、英文或其他语言、其他浏览器或设备、任意事实、未来模型或 Production 行为。服务记录的已选记忆不是完整模型输入；称呼文本判定不代表一般记忆质量，本次也未评估登录、支付或消息重试可靠性。原固定演示及其图片是单独的编写证据，不是这 21 项检查的截图或录屏。
原固定演示：独立证据
AI 角色在同一可见对话中的连续性：固定演示证据
一份固定双语 1v1 演示展示虚构角色如何在同一段可见对话中延续用户给出的场景框架与语气要求，并明确说明这份示例不能证明什么。记录同时给出复核步骤、观察结果和跨会话能力边界，方便逐项检查。
TheirSide 可以让虚构角色在同一段可见的 1v1 对话中继续沿用用户给出的场景框架。固定演示里，角色后续回复仍然呼应此前关于“保持私密”“用于写作但仍然轻松”的要求。这份记录只支持同一可见对话内的连续性，不声称角色能在该对话之外长期记住这些内容。
方法
我们从上到下检查公开 fictional-character-chat 页面中的固定编写对话，对照第一条用户要求与后续角色回复，只记录这一段演示线程里能够直接看见的细节，不推断页面之外的产品行为。
场景来源
该场景是 TheirSide 团队专为公开 fictional-character-chat 页面编写的四条消息合成对话。用户提出保持私密的虚构场景和轻松写作辅助要求，角色回复也只用于让这些连续性线索可以被逐项复核，并非来自真实用户。
失败判据
如果最后一条角色回复丢失既定的私密虚构框架、违背用户要求的轻松写作语气，或依赖固定对话前文中根本没有出现的信息，就应把连续性检查判为失败。跨会话回忆不属于这项判据。
测试步骤
- 记录初始设定
确认第一条用户消息要求角色回应一个场景想法，同时保持私密并停留在虚构设定内。
- 追踪语气要求
确认后续用户消息要求内容对写作有用，但整体仍然轻松。
- 对照最后回复
检查最后一条角色回复是否仍围绕私密、具体和便于继续这几个要求。
- 套用证据边界
只把结果视为这段可见固定对话的证据，不把它当作跨会话记忆测试。
观察结果
演示中的最后一条角色回复明确使用“私密、具体，并且方便继续”这几个表述，与此前关于私人虚构场景和轻松写作辅助的要求保持一致。因此，截图支持的只是显示线程内部的一项有限连续性结论。
这份证据的边界
这是固定编写的演示文案，不是实时质量或保存时长基准。它不测试新会话、其他浏览器或其他设备中的回忆能力，不证明账号范围记忆会保存多久，也不公开或评估任何客户对话。它还不能用于推断不同角色、不同对话长度或不同账号环境中的表现。
来源与责任
- 版本
- 1.1
- 发布日期
- 复核日期
- 维护与复核责任方
- TheirSide