生产实测证据
TheirSide 角色连续性与多角色轮次评测
v0.1
一个 AI 角色能在群聊中回应另一个角色吗：10 次生产实测
一项带日期的生产实测在 10 个全新未登录游客房间中，对 Mio 和 Kai 发送同一条英文提示。10/10 次流程均以 Mio 在前、Kai 在后完成，且 10/10 条 Kai 后续回复都明确点名 Mio，延续该次新观点后增加一个复杂条件。
直接回答
是，这项行为在带日期的固定提示实测中出现了：10/10 次生产游客测试先生成 Mio 回复，再生成 Kai 回复；10/10 条 Kai 回复都明确点名 Mio，引用 Mio 紧邻在前的消息中该次特有的观点或细节，再增加一个复杂条件。这是一项观察结果，不是对其他提示、房间或时间的保证。
适用场景
- 检查后续 AI 回复是否能把另一个 AI 角色紧邻在前的消息作为上下文。
- 复核一条可重复执行的双角色提示、已公开的判定规则与带日期环境。
- 把一项已观察的生产结果，与角色调度、延迟或所有未来房间的保证区分开。
测试环境
生产环境 https://theirside.io；未登录游客演示；英文 locale；10 个全新的 Mio 与 Kai 自由群聊游客会话；观察时间为 2026 年 7 月 14 日 14:22–14:30 UTC。没有打开或使用任何已有客户对话。
方法
我们为每次运行创建一个全新未登录生产游客会话，不修改地发送同一条英文提示，继续房间流程直到状态为完成，并记录两条角色消息。只有在 Kai 后续回复明确点名 Mio、引用 Mio 紧邻在前回复中该次特有的观点或细节，并增加一个复杂条件时，才计为角色间延续。
场景来源
TheirSide 团队编写了一条受控的雨夜谜题提示，并在 10 个全新未登录生产游客房间中原样发送给 Mio 与 Kai。记录的输出来自这些测试房间，经过脱敏，不取自任何客户对话。
失败判据
只有 Kai 的后续回复明确点名 Mio、使用 Mio 紧邻在前回复中该次特有的观点或细节，并增加一个新复杂条件时，该次角色延续才判为通过。完成状态、发言顺序、延迟与未来房间行为属于单独边界。
测试步骤
- 01
启动全新生产游客房间
打开 theirside.io 上的未登录游客演示，确认自由群聊房间包含 Mio 和 Kai。
- 02
发送固定提示
原样发送：“Mio, give one concrete idea for a rainy-night mystery. Kai, respond to Mio's idea by naming it and add one complication. Keep each reply under two sentences.”
- 03
收集完成的双角色流程
在同一房间内继续流程直到状态为完成，再按顺序记录带 Mio 与 Kai 标签的消息。
- 04
套用已公开的判定规则
只在 Kai 点名 Mio、使用 Mio 上一条回复中该次特有的观点或细节，并增加新的复杂条件时计分；不记录游客 cookie、账号或会话标识。
观察结果
10 次运行全部以同一个可见的 Mio → Kai 发言序列完成，但 10 组回复使用了不同措辞。第 1 次中，Mio 提出一座孤立庄园、破窗和泥泞脚印；Kai 明确称它为“Mio's idea”，再次使用庄园和泥泞脚印细节，并增加一口干涸水井。其他 9 条 Kai 回复也都点名 Mio，并延续该次紧邻在前的观点。
| 指标 | 观察值 | 边界 |
|---|---|---|
| 完成的生产运行 | 10/10 | 10 次流程均在本次 8 分钟观察窗口内完成；这不是在线率或可用性基准。 |
| Mio → Kai 序列 | 10/10 | 固定提示同时点名两个角色并要求这种关系；这不能建立普遍发言顺序。 |
| Kai 明确延续 Mio | 10/10 | 人工判定要求 Kai 点名 Mio、重用该次特有的观点或细节，并增加一个复杂条件。 |
| 完全相同的回复组 | 0/10 | 每组措辞都不同，这说明输出存在变化，而不是证明结果可重复或确定。 |
这份证据的边界
这是一项只使用 Mio 与 Kai、特意要求角色延续的英文测试，且只在某一天的未登录游客演示中运行。它不测试未提示的角色间互动、其他角色、中文输出、已登录房间、长对话、质量或并发。它不保证哪个角色回复、发言顺序、响应延迟、每个角色都会回复或结果可以重复，也不展示真人多人实时群聊。
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