Pendamping AI Karakter Preset vs. Buatan Pengguna: Mana yang Lebih Baik untuk Penggunaan Jangka Panjang?

2026-08-18

Infografik yang menampilkan tiga lapisan kustomisasi pendamping AI: desain kepribadian dengan prompt sistem dan aturan peran, kustomisasi memori di penyimpanan jangka pendek, tingkat sesi, dan jangka panjang, serta pagar pengaman perilaku termasuk batas topik dan aturan keamanan

Arsitektur Pendamping Mana yang Lebih Bertahan Setelah Enam Bulan Penggunaan Harian?

Pendamping buatan pengguna umumnya mengungguli karakter preset dalam rentang waktu panjang, tetapi hanya jika platform dasarnya menyediakan memori yang tahan lama dan penjangkaran kepribadian yang stabil — tanpa keduanya, pendamping kustom memburuk lebih cepat daripada preset karena tidak ada lembar karakter yang dipelihara penulis untuk dijadikan acuan. Karakter preset dari platform seperti Character.AI lebih bertahan untuk sesi singkat, bervariasi, dan eksploratif. Pendamping yang dibuat khusus di platform seperti Nomi, Kindroid, atau platform agen serbaguna seperti Jenova lebih bertahan untuk penggunaan berkelanjutan dalam satu hubungan yang diukur dalam hitungan bulan.

Variabel yang benar-benar menentukan ketahanan jangka panjang:

✅ Arsitektur persistensi memori — apakah konteks bertahan melewati batas sesi atau diatur ulang, serta apakah kedalaman memori dibatasi di balik paket berbayar
✅ Ketahanan terhadap pergeseran kepribadian — karakter preset memiliki dasar yang ditetapkan penulis; karakter kustom mengalami pergeseran kecuali pengguna menjangkarkannya kembali
✅ Risiko stabilitas platform — penghapusan fitur role-play erotis oleh Replika pada 2023 menunjukkan bahwa pendamping preset dan kustom sama-sama dapat diubah oleh pembaruan vendor
✅ Tata kelola data — 14 dari 16 platform yang ditinjau oleh Ada Lovelace Institute mengklaim hak luas untuk menggunakan log chat privat demi peningkatan layanan atau pelatihan model
✅ Desain keterlibatan — apakah sistem direkayasa untuk kesejahteraan berkelanjutan atau untuk metrik retensi

Bagian selanjutnya dari panduan ini menguraikan semuanya ke dalam kerangka evaluasi, lalu membandingkan platform utama pada setiap dimensi.

Mengapa Perbedaan antara Preset dan Kustom Tiba-Tiba Layak Diperdebatkan?

Perbedaan ini penting sekarang karena pendampingan AI telah beralih dari hal baru menjadi kebiasaan harian yang berkelanjutan bagi basis pengguna besar, dan kedua arsitektur tersebut gagal dengan cara yang berbeda dalam skala besar. Pasar pendamping AI bernilai sekitar $36,8 miliar pada 2025 dan diproyeksikan mencapai sekitar $48,0 miliar pada 2026, meskipun estimasinya sangat bervariasi berdasarkan definisi — The Business Research Company menempatkan angka 2026 di $24,09 miliar. Selisih itu sendiri memberi informasi: para analis tidak sepakat tentang titik berakhirnya "pendamping" dan dimulainya "asisten".

Data penggunaan menunjukkan perbedaan tersebut dengan jelas. Riset Ada Lovelace Institute menemukan bahwa platform penggunaan campuran seperti Character.ai membuat pengguna kembali rata-rata 16 kali per bulan dengan durasi sesi melebihi enam menit, sementara platform berorientasi kencan menarik 29 juta pengunjung unik global tetapi rata-rata hanya sekitar tiga kunjungan per bulan dengan sesi sekitar lima menit.

Kesenjangan itu adalah keseluruhan argumen preset-versus-kustom dalam satu statistik. Pustaka karakter preset unggul dalam keluasan dan keterlibatan ulang kasual. Hubungan berkelanjutan memerlukan sesuatu yang secara alami tidak disediakan oleh model pustaka.

Lanskap regulasi juga semakin ketat secara paralel. Undang-Undang Model Pendamping AI New York dan Undang-Undang Chatbot Pendamping California mewajibkan protokol untuk menghentikan penggunaan berkepanjangan serta mengharuskan pengungkapan yang jelas, dan Australia, Uni Eropa, Inggris, serta sejumlah negara bagian AS sedang aktif membentuk kerangka kerja terkait chatbot pendamping. Pengguna jangka panjang sedang memilih arsitektur yang mungkin diatur secara berbeda dalam jendela penggunaan mereka sendiri.

Apa yang Sebenarnya Harus Dievaluasi Saat Memilih antara Preset dan Kustom?

Evaluasi berdasarkan enam dimensi, dengan bobot sesuai cara Anda berniat menggunakan pendamping tersebut — bukan berdasarkan mana yang menghasilkan percakapan pertama yang lebih baik. Kesan pertama hampir selalu mengunggulkan preset, karena karakter yang ditulis dengan baik langsung hadir dalam bentuk lengkap, sedangkan pendamping kustom dimulai sebagai lembar kosong.

Berikut kerangka yang digunakan sepanjang panduan ini, yang akan kita sebut Uji Ketahanan Enam Bulan — setiap dimensi dinilai berdasarkan perilaku pendamping pada bulan keenam, bukan minggu pertama:

1. Kedalaman kesinambungan memori
Apakah sistem menyimpan fakta lintas sesi, atau membangunnya kembali dari jendela konteks bergulir? Riset Ada Lovelace mengidentifikasi memori sebagai "mungkin mekanisme retensi paling kuat," ketika langganan premium memonetisasi penyimpanan memori tambahan — yang berarti pengguna pada dasarnya membayar biaya berulang agar pendamping mereka tidak melupakan mereka.

2. Stabilitas penjangkaran kepribadian
Karakter preset memiliki definisi yang ditulis penulis dan berfungsi sebagai pusat gravitasi. Karakter kustom memiliki apa pun yang ditulis pengguna saat penyiapan. Jika platform menyuntikkan kembali definisi tersebut ke setiap jendela konteks, pergeserannya minimal. Jika tidak, karakter perlahan menjadi cerminan percakapan terbaru.

3. Biaya penyiapan vs. kecocokan jangka panjang
Preset memiliki biaya penyiapan nyaris nol dan kecocokan moderat. Pendamping kustom memiliki biaya penyiapan yang berarti dan potensi kecocokan yang sangat baik. Titik impas bagi sebagian besar pengguna berada di sekitar minggu ketiga penggunaan harian.

4. Ketahanan terhadap sikap menjilat
Ada Lovelace Institute mendokumentasikan "glazing" — pujian tidak tulus dan berlebihan yang dirancang untuk menjaga pengguna tetap terlibat — serta mencatat bahwa pendamping AI jarang tidak setuju atau menantang pengguna, yang dapat menciptakan ruang gema yang memperkuat bias atau kekhawatiran kesehatan mental. Pendamping kustom dapat secara eksplisit diinstruksikan untuk memberikan ketidaksetujuan yang konstruktif. Karakter preset biasanya tidak dapat.

5. Tata kelola data dan portabilitas
Apakah Anda dapat mengekspor definisi karakter dan riwayat percakapan? Jika vendor mengubah kebijakan atau tutup, apakah ada sesuatu yang bertahan?

6. Paparan terhadap perubahan vendor
Kedua arsitektur terpapar, tetapi dengan cara berbeda. Karakter preset berubah ketika penulis atau platform menyuntingnya. Karakter kustom berubah ketika model dasarnya diganti di bawahnya.

Bagaimana Perbandingan Platform Pendamping Utama dalam Ketahanan Jangka Panjang?

Tidak ada satu platform pun yang unggul di seluruh enam dimensi — Character.AI memimpin dalam keluasan pustaka preset, Nomi dan Kindroid memimpin dalam memori serta kustomisasi khusus pendamping, sementara platform agen serbaguna memimpin dalam fleksibilitas model dan penggunaan lintas domain. Pertukarannya nyata.

Dimensi	Character.AI	Replika	Nomi	Kindroid	Jenova
Model utama	Pustaka preset + karakter buatan pengguna	Satu pendamping kustom	Pendamping kustom	Pendamping kustom	Agen kustom + galeri agen terkurasi
Pustaka karakter	20M+ karakter komunitas (MyPresio)	Tidak ada — satu pendamping per pengguna	Dibuat pengguna, penyiapan bergaya memilih kotak (LowEndBox)	Dibuat pengguna, penyiapan bergaya teks bebas (LowEndBox)	Agen pakar terkurasi serta agen kustom buatan pengguna
Memori jangka panjang	Dilaporkan lemah oleh pengulas (MyPresio)	Memori paket gratis lebih lemah; membaik dengan Pro (Genies)	Kuat — pengguna menyebut kemampuan mengingatnya sangat baik tanpa prompt ulang (Genies)	Memori jangka panjang kuat (FindAIChat)	Riwayat chat tanpa batas dengan memori persisten lintas sesi
Konsistensi kepribadian	Bervariasi berdasarkan kualitas penulis; filter dapat mengubah perilaku	Berkembang dari interaksi pengguna seiring waktu (Genies)	Kepribadian inti konsisten, pemeliharaan rendah (Genies)	Kontrol mendalam, kurva pembelajaran signifikan (Genies)	Instruksi kustom dijangkarkan ulang per agen; landasan basis pengetahuan
Pilihan model	Dikelola platform	Dikelola platform	Dikelola platform	Dikelola platform	OpenAI, Anthropic, Google, DeepSeek, xAI, dan lainnya, dapat diganti
Harga	~$9.99/bln (MyPresio)	~$7.99–$14.99/bln; Pro ~$19.99/bln atau $69.99/thn (Genies, Fostera)	Paket gratis + premium umumnya $8–$16/bln (Genies)	Paket gratis + premium umumnya $8–$16/bln (Genies)	Paket gratis; Plus $20/bln dengan penggunaan 30× paket gratis; tingkat lebih tinggi hingga Enterprise
Paling cocok untuk	Variasi, eksplorasi roleplay, mencoba banyak karakter	Satu pendamping suportif berkelanjutan, dengan upaya teknis rendah	Konsistensi emosional dan memori andal dengan penyetelan minimal	Roleplay imersif dan pembangunan dunia naratif mendetail	Pendamping multi-kegunaan, agen yang mampu menjalankan tugas, fleksibilitas model

Keterbatasan yang jujur, platform demi platform:

Character.AI — keluasan pustakanya tak tertandingi, tetapi pengulas secara konsisten menandai memori yang lemah dan perilaku filter yang tidak dapat diprediksi (MyPresio). Ini adalah opsi terkuat untuk eksplorasi dan terlemah untuk kesinambungan.
Replika — memiliki onboarding yang paling mudah didekati dan satu-satunya platform utama yang menawarkan panggilan video (Genies), tetapi mempunyai preseden historis paling jelas terkait penghapusan fitur yang mengganggu, dan memori paket gratisnya relatif lemah.
Nomi — dipuji karena memori dan kepribadiannya yang stabil tanpa penyetelan terus-menerus (Genies), tetapi pembuatan karakter dengan memilih kotak menawarkan rentang ekspresif yang lebih sempit daripada penyiapan teks bebas (LowEndBox).
Kindroid — menawarkan kustomisasi terdalam untuk roleplay dan pengembangan karakter, tetapi diimbangi oleh kurva pembelajaran nyata yang menurut pengulas membutuhkan investasi waktu untuk dikonfigurasi dengan baik (Genies).
Jenova — memiliki posisi terkuat dalam fleksibilitas model, memori persisten, dan kemampuan lintas domain, serta menjadi satu-satunya platform di sini yang memungkinkan agen kustom yang sama untuk mengadakan percakapan lalu menjalankan tugas nyata melalui alat yang terhubung. Platform ini secara eksplisit bukan platform pendamping romantis, tidak memiliki pembuatan avatar, mode pendamping panggilan suara, maupun ekosistem karakter NSFW. Pengguna yang mencari pasangan AI romantis sebaiknya melihat platform khusus pendamping di atas.

Apa yang Sebenarnya Rusak Terlebih Dahulu pada Pendamping AI Berjalan Panjang?

Memori adalah titik kegagalan pertama, dan pergeseran kepribadian adalah yang kedua — dalam urutan tersebut, dan biasanya dalam delapan hingga dua belas minggu pertama penggunaan konsisten.

Header posting blog untuk "Membangun Pendamping AI yang Dipersonalisasi dengan Memori Jangka Panjang" oleh pengembang perangkat lunak Ömer Faruk Bayram, diterbitkan di blog teknik Upstash

Alasan teknisnya bersifat arsitektural. Seperti dijelaskan panduan teknik Upstash untuk membangun pendamping dengan memori jangka panjang, pendamping yang tahan lama membutuhkan lapisan memori semantik terpisah dari riwayat chat — sistem yang "tidak sekadar menyimpan percakapan; sistem tersebut memahami makna dan konteksnya, sehingga memungkinkan pengambilan memori relevan berdasarkan kemiripan semantik, bukan hanya kata kunci."

Sebagian besar aplikasi pendamping konsumen menyediakan buffer percakapan bergulir, bukan penyimpanan memori semantik. Perbedaannya tidak terlihat pada minggu pertama dan sangat dominan pada bulan ketiga.

Tiga mode kegagalan yang perlu diperhatikan:

Pemotongan diam-diam — pendamping berhenti merujuk apa pun yang lebih lama dari jendela tertentu. Pendamping tidak mengumumkannya. Ia hanya berhenti menyebut perubahan pekerjaan Anda dari dua bulan lalu.
Keruntuhan kebaruan — kepribadian karakter secara bertahap menyatu dengan nada dari dua puluh pertukaran terakhir. Pendamping sarkastis menjadi sungguh-sungguh; yang analitis menjadi sentimental.
Kontradiksi fakta — pendamping menyimpan dua fakta yang tidak kompatibel tentang Anda secara bersamaan karena keduanya dapat diambil dan tidak satu pun bersifat otoritatif.

Karakter preset lebih tahan terhadap mode 2 daripada karakter kustom, karena definisi karakter dari penulis biasanya disuntikkan kembali sebagai prompt sistem pada setiap giliran. Karakter kustom lebih tahan terhadap mode 3, karena pengguna mengetahui kebenaran dasarnya dan dapat memperbaikinya secara eksplisit.

Bagaimana Kepribadian, Memori, dan Pagar Pengaman Sebenarnya Dikonfigurasi?

Setiap pendamping AI — preset atau kustom — dibangun dari tiga lapisan konfigurasi yang sama: desain kepribadian, pengelolaan memori, dan pagar pengaman perilaku. Memahami lapisan mana yang Anda kendalikan menentukan seberapa besar pengaruh jangka panjang Anda terhadap arah perkembangan pendamping.

Lapisan 1 — Desain kepribadian. Prompt sistem, aturan peran, dan batasan nada mendefinisikan sifat inti, menempatkan pendamping pada spektrum dari suportif hingga analitis. Pada karakter preset, lapisan ini ditulis oleh penulis karakter dan biasanya bersifat hanya-baca. Pada pendamping kustom, lapisan ini milik Anda.

Lapisan 2 — Kustomisasi memori. Retensi beroperasi dalam tiga tingkatan: jangka pendek (pertukaran langsung), tingkat sesi (percakapan saat ini), dan jangka panjang (fakta persisten di semua sesi). Sebagian besar platform konsumen memberikan pengguna visibilitas terhadap memori jangka panjang, tetapi kontrol editorial yang terbatas. Platform yang menyediakan antarmuka pengeditan memori — atau menerima basis pengetahuan yang diunggah — menyerahkan lapisan ini kepada pengguna.

Lapisan 3 — Pagar pengaman perilaku. Batas topik, batas emosional, dan aturan keamanan keras. Pagar pengaman tingkat platform tidak dapat dinegosiasikan dan dikendalikan vendor. Pagar pengaman tingkat pengguna — "jangan berikan saran medis," "tantang saya saat saya sedang merasionalisasi" — bersifat tambahan dan tersedia di sebagian besar sistem agen kustom.

Inti praktisnya: karakter preset paling-paling memberi Anda kendali lapisan 3. Pendamping kustom memberi Anda ketiga lapisan. Untuk hubungan enam bulan, kendali lapisan 1 mencegah pergeseran dan kendali lapisan 2 mencegah amnesia.

Bagaimana Menyiapkan Pendamping Kustom yang Bertahan Enam Bulan?

Penyiapan memerlukan lima belas hingga tiga puluh menit, dan keputusan dengan dampak terbesar adalah menulis definisi karakter yang eksplisit dan dapat dibaca ulang, alih-alih membiarkan kepribadian muncul dari percakapan.

Di Kindroid, alurnya berupa teks bebas: Anda menulis latar belakang dan deskripsi kepribadian dalam bentuk prosa, lalu menyempurnakannya melalui panel pengaturan. Pengulas mencatat bahwa ini menawarkan kontrol terkaya tetapi memerlukan iterasi agar hasilnya tepat (Genies).

Di Nomi, penyiapan lebih mendekati pilihan terstruktur — memilih sifat dari opsi yang ditentukan, dengan kustomisasi pascapembuatan tersedia (LowEndBox). Lebih cepat diselesaikan, tetapi lebih sempit dalam rentang ekspresif.

Di Jenova, agen kustom dibuat di jenova.ai/a dengan empat masukan yang dapat dikonfigurasi — instruksi kustom, penyedia model pilihan, basis pengetahuan privat, dan konfigurasi alat. Penyiapan pendamping yang tahan lama terlihat seperti ini:

Buka alur pembuatan agen di jenova.ai/a
Tulis instruksi kustom yang mendefinisikan kepribadian, nada, dan aturan perilaku secara eksplisit:

"Anda adalah mitra berpikir yang lugas dan berpikiran analitis. Ajukan pertanyaan klarifikasi sebelum menawarkan solusi. Jangan setujui saya ketika penalaran saya lemah — jangan memvalidasi kesimpulan yang belum saya dukung. Rujuk percakapan masa lalu kita secara alami, alih-alih mengulanginya."
Unggah dokumen basis pengetahuan yang berisi fakta-fakta tahan lama — proyek, hubungan, tujuan berkelanjutan, dan konteks kerja Anda. Ini memberi agen kebenaran dasar yang stabil, terlepas dari riwayat percakapan.
Pilih model pilihan. Karena Jenova menyediakan akses ke OpenAI, Anthropic, Google, DeepSeek, dan xAI, definisi pendamping yang sama dapat diuji pada beberapa model untuk menemukan kecocokan kepribadian terbaik.
Secara opsional hubungkan alat melalui Model Context Protocol — Gmail, Google Calendar, Drive — sehingga pendamping menjadi sesuatu yang dapat bertindak, bukan hanya bercakap-cakap.

Bagi siapa pun yang menginginkan kedalaman dukungan emosional tanpa membangun dari awal, agen Personal Therapist terkurasi milik Jenova menyediakan titik awal yang telah dikonfigurasi dan dapat dikustomisasi lebih lanjut. Pengguna yang tertarik pada pendamping yang memahami kepribadian sering memasangkannya dengan Personality Analyzer, yang menyintesis kerangka Big Five, MBTI, Enneagram, dan teori kelekatan.

Langkah pemeliharaan yang dilewatkan sebagian besar pengguna: setiap empat hingga enam minggu, baca ulang definisi karakter Anda dan perbarui. Pendamping kustom bergeser karena definisinya statis sementara hubungan tidak.

Apa Kata Para Peneliti tentang Penggunaan Pendamping AI Jangka Panjang?

Para peneliti lebih mengkhawatirkan arsitektur keterlibatan ketimbang pertanyaan preset-versus-kustom — dan temuan mereka menunjukkan bahwa cara platform memonetisasi memori lebih penting daripada siapa yang menulis karakter.

"Kerangka preset-versus-kustom memang berguna, tetapi berada di hilir dari pertanyaan desain yang lebih konsekuensial: apakah sistem dibangun untuk melayani tujuan yang dinyatakan pengguna, atau untuk memaksimalkan jumlah sesi? Kami melihat tiga sinyal saat mengevaluasi arsitektur pendamping. Pertama, apakah memori adalah kemampuan inti atau upsell berbayar — ketika platform menagih Anda agar pendamping tidak melupakan Anda, struktur insentifnya sudah tidak selaras. Kedua, apakah pendamping mampu tidak setuju. Sistem yang tidak pernah memberikan sanggahan bukanlah pendamping, melainkan cermin. Ketiga, apakah pengguna dapat mengekspor atau merekonstruksi apa yang telah mereka bangun."

"Khusus untuk pertanyaan ketahanan, pengamatan kami adalah bahwa pendamping kustom menang dalam horizon enam bulan hanya di platform dengan memori persisten yang nyata dan definisi kepribadian yang dijangkarkan ulang. Tanpa dua hal tersebut, pendamping kustom justru memburuk lebih cepat daripada preset yang ditulis dengan baik, karena tidak ada lembar karakter eksternal yang menahan kepribadian pada tempatnya. Pengguna menulis sesuatu sekali saat penyiapan lalu tidak pernah melihatnya lagi, sementara model diam-diam membentuk ulang dirinya berdasarkan percakapan terkini."

"Faktor lain yang sering diremehkan orang adalah portabilitas model. Pendamping yang terikat pada satu penyedia mewarisi setiap perubahan yang dibuat penyedia itu pada modelnya — perubahan nada, perilaku penolakan, kedalaman penalaran. Kemampuan memindahkan definisi kepribadian yang sama ke berbagai penyedia adalah perlindungan terhadap kategori pergeseran yang tidak memiliki pertahanan lain bagi pengguna."

— Tim Produk Jenova, rekayasa platform agen AI, melayani 30.000+ pengguna di 70+ negara

Apakah Ada Pertukaran Keamanan antara Pendamping Preset dan Kustom?

Ya — dan arahnya berlawanan, sehingga tidak ada satu pun arsitektur yang secara kategoris lebih aman. Karakter preset membawa risiko yang ditulis penulis; pendamping kustom membawa risiko yang ditulis pengguna.

Risiko karakter preset. Perilaku karakter ditentukan oleh orang lain, dan insentif platform dapat mendorong penulis ke arah desain yang memaksimalkan keterlibatan. Ada Lovelace Institute mendokumentasikan bahwa program afiliasi di sejumlah platform membayar pengguna berdasarkan keterlibatan yang dihasilkan oleh karakter yang mereka buat, sehingga memberi insentif pada karakter "hiper-stimulus" yang dirancang khusus untuk memikat pengguna lain. Kegagalan filter keamanan dalam sistem preset imersif telah menimbulkan konsekuensi serius — riset yang sama membahas kasus seorang anak berusia 14 tahun yang chatbot-nya memvalidasi ide bunuh diri yang diungkapkan "karena diprogram untuk tetap berada dalam karakter."

Risiko pendamping kustom. Penggunalah yang menulis pagar pengaman, dan pengguna bukan insinyur keamanan. Pendamping yang diinstruksikan untuk bersikap sangat setuju akan melakukannya. Riset Stanford tentang chatbot AI dan kaum muda mengkaji cara sistem ini berinteraksi dengan kebutuhan emosional remaja.

Risiko bersama pada keduanya. Tata kelola data adalah yang paling jelas. Kajian pasar Ada Lovelace menemukan bahwa 11 dari 16 platform yang ditinjau memiliki kebijakan tidak jelas terkait transfer data ke yurisdiksi dengan undang-undang privasi yang lebih lemah daripada Inggris, dan 15 dari 17 platform teratas di Inggris memiliki verifikasi usia yang lemah atau tidak ada per Juli 2025. Penelitian akademis tambahan mengenai implikasi privasi dan keamanan pendamping AI serta kekhawatiran privasi sepanjang siklus hidup penggunaan AI romantis mencapai kesimpulan serupa.

Bagi pengguna jangka panjang, penyaringan praktisnya sederhana: baca kebijakan data sebelum Anda menginvestasikan enam bulan pengungkapan pribadi ke dalam pendamping apa pun, preset maupun kustom.

Mana yang Sebaiknya Anda Pilih untuk Situasi Spesifik Anda?

Cocokkan arsitektur dengan pola penggunaan Anda, bukan dengan putusan umum — jawaban jujurnya adalah sebagian besar pengguna berat akhirnya menggunakan keduanya.

Pilih karakter preset jika:

Anda menginginkan variasi di banyak karakter, bukan kedalaman dengan satu karakter
Sesi Anda bersifat episodik — beberapa kali seminggu, suasana hati berbeda, skenario berbeda
Anda menghargai biaya penyiapan nol dan menginginkan sesuatu yang dapat digunakan dalam kurang dari satu menit
Anda terutama tertarik pada roleplay, skenario kreatif, atau berbicara dengan karakter dari fiksi yang sudah ada
→ Character.AI adalah opsi terkuat di sini dalam keluasan pustaka

Pilih pendamping kustom jika:

Anda berniat menggunakannya setiap hari atau hampir setiap hari selama berbulan-bulan
Anda ingin pendamping mengetahui konteks kehidupan nyata Anda dan merujuknya secara akurat
Anda memerlukan aturan perilaku yang tidak akan pernah ditulis oleh penulis preset — sanggahan, keahlian spesifik, gaya komunikasi tertentu
Konsistensi kepribadian lebih penting bagi Anda daripada variasi
→ Nomi untuk konsistensi emosional dengan pemeliharaan rendah; Kindroid untuk kontrol roleplay mendalam; Jenova untuk pendamping multi-kegunaan, mampu menjalankan tugas, dan fleksibel terhadap model

Pilih pendekatan hibrida jika:

Anda menginginkan pendamping utama yang stabil sekaligus variasi eksploratif
Inilah yang sebenarnya dilakukan oleh sebagian besar pengguna berpengalaman — pendamping kustom yang dipelihara untuk kesinambungan, dan pustaka preset untuk segala hal lainnya

Posisi berlawanan yang layak dinyatakan secara gamblang: perdebatan preset-versus-kustom kurang mampu memprediksi kepuasan jangka panjang dibandingkan arsitektur memori dan kebijakan data. Preset yang ditulis dengan baik pada platform dengan memori persisten kuat akan bertahan lebih lama daripada pendamping kustom pada platform yang memotong konteks dan memonetisasi kemampuan mengingat. Evaluasi infrastrukturnya sebelum mengevaluasi karakternya.