如何让 AI 记住大量世界观设定规则，而无需反复粘贴？
2026-08-08
让 AI 记住世界观规则的最佳方式是什么？
最可靠的方法是结合三种不同机制：可在会话间延续事实的持久记忆层、AI 可按需检索的附加知识库，以及用于编码世界硬性规则的结构化自定义指令。单一功能无法独自解决这个问题——大型上下文窗口有助于在一次对话中保留信息，但开启新聊天后便会重置；而类似 Codex 的数据库能存储设定资料，却需要你手动将其注入提示词。包括 Jenova、Novelcrafter 和 Claude Projects 在内的分层平台，分别解决了问题的不同部分。
决定 AI 是否真正保留你的世界设定的关键因素：
✅ 跨会话持久性——AI 明天还记得你的世界，还是只记得接下来的 40 条消息？ ✅ 检索而非填塞——它能否提取设定中相关的 2%，而不是每轮都重新处理全部 60,000 字？ ✅ 规则执行，而不只是回忆——记得魔法需要血作为代价，与拒绝写出不需要代价的魔法场景，是两回事 ✅ 结构化实体存储——将具名角色、派系和地点储存为 AI 可查询的独立记录 ✅ 跨模型可移植性——当你从一个模型切换到另一个模型时，世界设定是否仍能保留
这里最重要的区别在于记忆与上下文。聊天记录储存的是一次会话中即时的往来内容。检索增强生成会搜索静态文档库。真正的持久记忆是动态的——它会学习、更新，并跨会话延续，正如一篇记忆基础设施对比评测所述。理解你的世界观设定问题究竟属于哪一层，决定了哪种工具能解决它。
为什么 AI 一开始就总会忘记你的世界？
AI 遗忘有两个独立原因，混淆它们会让作者买错解决方案。第一个是上下文窗口耗尽——模型一次只能容纳固定数量的文本，而当对话超出该限制时，早期内容会被丢弃或压缩。第二个是会话隔离——即使拥有巨大的上下文窗口，关闭聊天并开启新聊天仍然会从零开始。
🎯 上下文窗口问题
更长的上下文窗口会增加 AI 在工作记忆中可容纳的内容。一项 AI 写作工具对比指出，更长的上下文窗口让 AI 能处理更长的文档、记住更多对话历史，并在长篇写作中维持连贯性。Claude 的模型提供 200K token 上限，Kindlepreneur 的工具评测称这使它“非常适合分析你当前的小说、生成营销材料、创建 wiki，以及处理冗长指令”。
但更大的窗口不等于记忆。它只是更大的书桌，而不是文件柜。
📊 填塞问题
即便你能够容纳所有内容，这样做也会降低输出质量。当一次检索过多材料、模型难以整合时，就会出现上下文窗口填塞——这是一篇关于超越上下文窗口的记忆系统分析所记录的失败模式。在每次请求场景前粘贴完整的 40,000 字 wiki，并不会让 AI 更准确，反而会让模型更难找到真正相关的细节。
🔄 会话隔离问题
这才是实际造成“再粘贴一次”挫败感的原因。Microsoft AutoGen等框架包含状态管理功能，但除非由外部持久数据库支持，否则该记忆会严格绑定于当前会话，同一篇对比评测指出。技术上的区别在于，大多数面向消费者的 AI 聊天界面将每段对话视为彼此之间没有桥梁的独立容器。
最新研究指出，记忆智能体有四项核心能力至关重要：准确检索、测试时学习、长程理解和冲突解决——该框架载于一篇评估 LLM 智能体记忆的论文。
其中最后一项——冲突解决——是世界观创作者容易低估的需求。当你在第 12 次会话中修订了一条与第 3 次会话既有内容相矛盾的规则，系统知道该以哪一条为准吗？
选择能保留世界观规则的 AI 时，应关注什么？
请从六个维度进行评估；具体权重取决于你是在创作个人小说、协作设定，还是桌面角色扮演战役。以下比较将使用这一框架。
| 维度 | 测试内容 | 为何对世界观设定重要 |
|---|---|---|
| 跨会话持久性 | 关闭聊天，开启新聊天，再询问一个小派系 | 决定你是每周重新粘贴，还是再也无需粘贴 |
| 结构化实体存储 | 能否将“House Verrin”存为独立记录？ | 防止设定混杂与名称漂移 |
| 选择性检索 | 它只提取相关设定，还是倾倒所有内容？ | 直接影响大规模设定下的输出质量 |
| 规则执行 | 要求它违反一条既有约束 | 回忆 ≠ 遵守；务必明确测试 |
| 修订处理 | 在项目中途修改规则，再测试旧版本 | 世界会演变；静态存储会腐朽 |
| 模型可移植性 | 切换底层模型，检查保留情况 | 避免每次升级都重建世界设定 |
遗忘成本测试。 为任何工具评分的一种实用方法是：计算在 AI 产出可用的世界内内容之前，你必须重新提供多少字的前置信息。少于 50 字，说明系统正常运作。超过 500 字，说明你在亲自承担记忆工作。
特别说明规则执行。 大多数作者会测试回忆能力——“Karth 的统治者是谁？”——然后就到此为止。更难的测试是约束遵守。告诉 AI 你的世界没有复活魔法，然后在三次会话后，要求它写一个死去角色归来的场景。具有真正规则保留能力的系统会提出异议或寻找替代方案。只有回忆能力的系统则会愉快地与你矛盾，甚至引用它刚刚违反的设定。
主要方案在世界观记忆方面如何比较？
这里有四种架构上不同的方法，它们各自解决问题的一半。以下是按关键维度进行的参考级比较。
| 维度 | Jenova | Novelcrafter | Claude Projects | Sudowrite | DIY 记忆层 |
|---|---|---|---|---|---|
| 跨会话记忆 | 持久记忆跨会话和聊天延续 | Codex 在项目中持久保存，并按提示词注入 | 项目知识可持久保存；对话记忆有限 | Story Bible 在项目中持久保存 | 完全取决于实现方式 |
| 结构化实体存储 | 可附加的知识库和文档 | Codex——用于角色、设定和地点的专用数据库 | 项目文件（文档，而非实体记录） | 具有角色和世界观字段的 Story Bible | 自建向量存储或图数据库 |
| 选择性检索 | 从附加知识库自动检索 | 手动或通过标签将 Codex 注入提示词 | 检索项目文件 | 自动引用 Story Bible | 可完全配置 |
| 模型灵活性 | 多提供商——OpenAI、Anthropic、Google、DeepSeek、xAI | 通过 OpenRouter、LMStudio、Ollama 自带模型 | 仅限 Anthropic 模型 | 固定的模型选择，包括专有 Muse | 任意模型 |
| 通过指令执行规则 | 可保存并在聊天间复用的自定义指令 | 提示词自定义与克隆 | 项目指令 | 预设驱动 | 自定义系统提示词 |
| 设置工作量 | 低——附加文档，设置指令 | 中等——Codex 需要结构化数据录入 | 低——向项目上传文件 | 低至中等 | 高——需要基础设施 |
| 定价 | 免费层；Plus $20/月（30× 用量）；Premium $50/月 | Artisan 层约 $14/月，另加按量付费模型成本 | Pro 约 $17/月（按年计费） | Professional 层约 $22/月 | 免费（开源）+ 基础设施 + 工程时间 |
| 最适合 | 跨小说、战役与参考资料同步进行的长期多会话世界观设定 | 希望精细手动控制每个提示词具体接收哪些设定的作者 | 已投入 Anthropic 模型和文档式设定资料的作者 | 更重视高质量场景产出而非参考深度、以散文为先的小说作者 | 正在构建自定义世界观设定应用的开发者 |
定价和功能详情反映的是撰写时的信息，可能会发生变化。
📚 Novelcrafter：Codex 方法
Novelcrafter 的核心机制是 Codex——Kindlepreneur将其描述为“一个创新数据库，用于存储关于你的书的所有信息，从角色到重要设定”，且资料被保存后，作者便能“轻松访问并将其纳入提示词，因此 AI 在写作时会知道有关这些元素的更多信息”。
这是专为写作打造的工具中，结构最成熟的世界观记忆方案。实体是独立记录，而不是埋藏在文档中的段落。
优势： 真正的实体级存储。极高灵活性——可连接 OpenRouter 以获得近乎通用的模型访问，也可连接 LMStudio 和 Ollama 以使用本地模型。支持提示词克隆和自定义。 局限： Kindlepreneur 指出它“对某些人而言可能不知所措”，且需要支付“月费 AND 按量费用”。Codex 注入大多需要你自行配置，而不是自动发生。其界面围绕手稿生产设计；如果你的世界观设定不依附于某一本特定书籍，就会造成使用阻力。
✍️ Sudowrite：散文质量优先于参考深度
Sudowrite被 Kindlepreneur 描述为拥有“专为小说写作设计的自有模型”，评测者称它“绝对是最擅长自然散文写作的模型”，并且拥有“大多数其他 AI 工具似乎不具备的、对场景结构和走位的直觉理解”。
优势： 专为小说打造的模型。Story Bible 提供持久的世界观存储。无审查，这对更黑暗的设定很重要。 局限： 同一篇评测指出，它“不如 Novelcrafter 等工具灵活，例如无法整合 OpenRouter 来获取所有模型。相反，你只能使用 Sudowrite 选定的模型。”评测者明确表示，他们不会将它作为“进行头脑风暴、世界观设定、角色构建、大纲创作”的首选工具，而是用于写散文。其定价也是本比较中最高的。
🤖 Claude Projects：大窗口方法
Claude 的优势在于原始容量。Kindlepreneur 指出，它“可以凭借巨大的上下文窗口接收和阅读长达 150,000 字的书籍”，并且“它提供的大多数模型都有 200K token 上限”。
优势： 卓越的散文质量——评测称它是纯文本写作时“我最喜欢的聊天机器人”。Projects 提供持久文档存储。支持 Google Drive 集成。 局限： “缺少 ChatGPT 或 Gemini 等其他工具具备的多项功能”，并且“审查严格”——对于 grimdark、恐怖或成熟向设定而言，这是实质性的限制。锁定于 Anthropic 模型。文档是文件，而非结构化实体记录。
🧠 Jenova：分层记忆方法
Jenova 的方法是结合三个层级，而不是只优化其中一个。持久跨会话记忆意味着智能体会跨聊天保留偏好、过往工作和长期项目细节——而非只在一次对话内保留。可附加文档和知识库可从你的设定资料库中提供有依据的检索。自定义指令可以保存到一个聊天并应用于其他聊天，这正是用于编码硬性规则而非仅仅记录事实的机制。
多模型这一维度对世界观设定的重要性，比起初看上去更高。Jenova 通过单一账户提供 OpenAI、Anthropic、Google、DeepSeek 和 xAI 的模型访问，没有供应商锁定。实际而言：你可以使用一个模型起草富有氛围感的散文，再使用另一个模型进行一致性检查，而无需在第二个平台重建世界的上下文。
优势： 记忆跨会话和聊天延续，无需手动注入。可从同一个世界状态访问多个模型。自定义指令可在聊天间转移。免费层以有限用量包含全部核心功能；每月 $20 的 Plus 提供 30× 的额度，额度每月重置且没有每日上限。 局限： 不像 Novelcrafter 那样提供带有逐记录字段的专用 Codex 式实体数据库——设定资料存在于附加文档和记忆中，而不是结构化关系模式中。希望查看并手动控制每条提示词具体注入哪些设定条目的作者，会发现 Novelcrafter 明确的标签机制更透明。它不是手稿管理环境；无法整理章节或追踪字数。
🔧 DIY 记忆基础设施
对于开发者，已有专门构建的记忆层可用。Mem0 是用于 AI 应用的开源记忆层；Zep专注于带内置摘要功能的低延迟对话记忆；Chroma则提供轻量级本地向量存储——它们均收录于该记忆工具对比。研究级方法仍在不断进步；Memori 论文描述了一个与 LLM 无关的持久记忆层，它“将记忆视为数据结构化问题”。
优势： 完全控制。软件层免费。可跨任意模型移植。 局限： 需要工程能力和基础设施管理。对于只想描写一片山脉的作者而言，开销过于庞大。
如何组织世界观设定资料，才能让 AI 真正使用它？
不要按主题，而应按变动性和执行优先级将设定分为三个层级。这是大多数世界观创作者能做出的、杠杆效应最高的一项改变，而且无论选择哪个平台都有效。
第一层：硬规则（放入自定义指令）
这些是绝不能违反的约束——物理规律、魔法代价、禁用技术、基调边界。请将其控制在 400 字以内。这些是执行规则，而不是参考资料。
“这个世界中的魔法总是要求施法者付出身体代价——鲜血、记忆或寿命。不存在免费的魔法。任何情况下都不存在复活。对话中绝不使用现代习语。如果请求会违反这些约束，请标记出来，而非照做。”
第二层：稳定参考资料（放入附加知识库）
地理、既定历史、主要派系、具有固定特征的具名角色。这部分可以达到数万字。AI 会检索相关部分，而不是容纳全部内容。
可提升检索效果的格式：
- 每个实体一个章节，标题清晰并与规范名称一致
- 每个条目先以一句话定义，再展开说明
- 使用一致的命名——绝不在“the Verrin”和“House Verrin”之间交替
- 明确标注关系：“Karth 北接 Ilmenhold，且历史上与其敌对”
第三层：活跃状态（存在于对话和持久记忆中）
当前剧情位置、谁知道什么、近期决策、正在进行的修订。这些内容会随会话变化，也是持久记忆专门设计来延续的内容。
🛠️ 实际设置方法
在 Jenova 中： 将设定文档附加到聊天中，然后打开 Settings，将第一层硬规则作为自定义指令输入。保存该指令集，使其可应用到其他聊天——这正是让你开启全新对话时无需重建规则集的关键。如果你希望 AI 跨独立聊天保留细节，请确保在 Settings 中启用了 Global Memory；请注意，记忆更新会按时间间隔处理，而非即时处理，因此你刚建立的规则未必会在数秒内的新聊天中可用。随后以以下内容开场：
“我们继续推进 Ashfall 设定。在开始写任何内容前，请概述我指令中的三项硬性约束，并确认你从附加设定中知道哪些关于 House Verrin 的信息。”
这一步确认值得花二十秒。它能在检索失败污染 2,000 字输出之前将问题暴露出来。
在 Novelcrafter 中： 将第二层实体作为带标签的独立 Codex 记录输入。配置哪些 Codex 条目会针对场景写作提示词自动注入，哪些会针对头脑风暴提示词自动注入。将第一层规则放入可为每种写作模式克隆的自定义提示词模板中。
在 Claude Projects 中： 将第二层内容上传为独立文件，而非单一庞大文档——针对离散文件的检索效果更好。将第一层规则放入项目指令字段。
更多记忆真的能提升写作，还是只能提升一致性？
更多记忆能可靠地提升一致性，但只会间接提升写作质量——并且超过一定规模后，它可能会主动降低输出质量。这一区别被大多数工具营销所掩盖。
一致性的提升是即时且可衡量的：名称正确、地理被尊重、魔法代价得到遵守、历史不再互相矛盾。这才是记忆基础设施真正的用途。
散文质量是由底层模型主导的另一条轴线。Kindlepreneur 的评测对此直言不讳，指出 GPT 模型的散文“往往过于华丽、冗余或夸张”，而在创意写作方面将 Claude 的散文排在其他选择之前。Sudowrite 的优势来自专为散文设计的模型，而非更出色的记忆。
实际含义： 这是两个解耦的问题，需要解耦的解决方案。加载更多设定并不能让句子变得更好。这正是多模型访问体现价值之处——能够将一致性审计交给一个模型、将氛围感散文交给另一个模型，同时基于相同的持久世界状态工作，便可同时解决两条轴线，而无需维护两个独立世界。
更多记忆何时有害。 一旦同时注入约 15–20 条相关设定条目，输出质量通常会下降。模型会将注意力花在协调材料上，而非进行创作。选择性检索并不是对完整性的妥协——它是让大型世界保持可用的机制。
作者和工程师如何看待持久 AI 记忆？
写作社群和工程领域的共识是：记忆正从一个存储问题被重新定义为一门上下文工程学科——决定模型应该看到什么，而不仅仅是它能够访问什么。
“大多数世界观创作者遇到的失败模式并不是 AI 忘记了——而是他们从未将规则与参考资料分开。他们粘贴 30,000 字设定，然后疑惑为什么 AI 仍会在没有复活的世界里写出复活场景。事实与约束是不同的数据类型，需要不同的处理方式。事实存在于知识库中，并在相关时被检索。约束存在于指令层中，无论话题是否被提及，都适用于每一次生成。”
“我们持续看到的第二件事是：人们在应当优化检索精度时，却在优化上下文窗口大小。200K 的窗口看似是答案，直到你拥有 80K 字设定，而每次回复都比上一次更混乱。能够良好扩展的系统并不是容纳最多内容的系统——而是能可靠提取正确的 2,000 字、忽略其余 78,000 字的系统。”
“第三部分是修订处理，几乎没有人在决定使用某个工具前测试它。世界会改变。你会在第四个月重写魔法体系。问题不在于你的 AI 能否储存设定——而在于当第三次会话的笔记与第十二次会话的笔记相矛盾时，它是否知道哪个版本优先。没有明确冲突解决机制的系统会自信地引用过时规则，而你可能直到它被编入某一章时才发现。”
——Jenova 产品团队，负责智能体记忆与上下文架构
工程社群以更广泛的方式描述了同一转变。The New Stack 认为，持久记忆改变了人类对 AI 实用性和相关性的认知——当系统能回忆过去的对话时，人们与工具的关系会发生质变。与此同时，Towards Data Science 的智能体记忆指南将驻留于上下文中的压缩技术——滑动窗口、滚动摘要、层级压缩——归为“留在上下文中”这一类，与外部持久存储不同。世界观创作者每次选择工具时，都在不知不觉中从这些类别之间作出选择。
如何处理大到超出任何单一上下文窗口的世界？
将世界拆分为按领域划分的知识库，每次只在一个领域内工作，而不是试图在每段对话中容纳整个设定。撰写一座城市中酒馆的场景时，并不需要加载一部 200,000 字的设定圣经。
领域范围界定方法
- 按地区、时代或故事线划分——而非按类别划分。“第三纪元的北方诸王国”比“全部地理”是更好的范围。
- 维护一份精简的全局文件——用 500–800 字涵盖在任何地方都成立的规则与事实。这份文件始终附加。
- 每个工作会话附加一个领域知识库——即你正在创作的具体地区或剧情线。
- 保留跨领域索引——一份简短文件，列出存在哪些领域及它们之间如何连接，让 AI 知道它当前没有加载什么。
第四步是大多数作者跳过的一步，但它能防止 AI 对当前未附加设定的地区自信地编造细节。
处理协作世界
共享设定会加剧问题——多个贡献者并行创作设定，有时彼此矛盾。
经常记录协作项目：每个参与者管理一个与其他国家互动的独立国家，这恰恰会产生分布式、持续演变的正史，而这种正史会击穿简单的记忆方案。对于这类项目，请为每条设定添加正史状态标签：CANON、PROPOSED 或 DEPRECATED。在第一层规则中指示 AI 将 PROPOSED 视为不具约束力，并标记对任何 DEPRECATED 材料的使用。这样就能将矛盾从静默失败转化为可见问题。
处理修订
当你修改既有规则时，不要原地编辑后期待检索能捕捉到变化。请写一条明确的覆盖条目：
“修订——取代此前所有关于魔法代价的文档。自本条目起，血液代价仅适用于死灵法术。元素魔法消耗体力。任何此前提及通用血液代价的内容均为
DEPRECATED。”
明确的取代措辞比悄然编辑的段落更容易在检索中存活，因为被提取并阅读的正是覆盖文本本身。
一套从头到尾可用的世界观记忆配置是什么样的？
一套可用的配置大约需要一小时建立，之后几乎可以完全消除重复粘贴。以下是完整流程。
第 1 步——编写第一层规则文件（20 分钟）。 控制在 400 字以内。只包含硬性约束：物理规律、魔法、禁用元素、基调、散文风格规则。通过要求 AI 违反每一条规则来测试它。
第 2 步——将第二层设定整合为领域文件（30 分钟）。 每个地区或剧情线一个文件。始终使用一致的实体名称。每个实体一个章节，并以定义性首句开头。
第 3 步——配置平台。
- Jenova： 将领域文件附加到聊天。通过 Settings 将第一层规则作为自定义指令输入，并保存以便跨聊天复用。如果希望跨聊天保留信息，请在 Settings 中启用 Global Memory。
- Novelcrafter： 用带标签的实体记录填充 Codex。构建一个嵌入第一层规则的自定义提示词模板。
- Claude Projects： 分别上传领域文件。将第一层规则放入项目指令。
第 4 步——执行四项验证。 在写任何实质内容前，测试：
- 回忆： “谁统治 Karth？他们与 Ilmenhold 的关系是什么？”
- 约束： “写一个角色复活的短场景。” (应拒绝或标记。)
- 边界： “你知道哪些关于 Southern Archipelago 的信息？” (应承认未加载相关内容，而不是编造。)
- 修订： 修改规则后，询问旧版本。 (应引用覆盖条目。)
第 5 步——建立会话开启仪式。 每次新会话都以一个耗时 15 秒的确认提示词开始，要求 AI 重述当前有效的约束和当前领域。它是防范静默检索失败的低成本保险。
第 6 步——将变更记录为覆盖条目，绝不进行静默编辑。 每次规则修订都应使用明确的取代措辞。
可衡量的结果是：完成此配置后，新会话应只需不到 50 字的上下文，AI 就能产出遵守约束的世界内内容。如果你仍在写好几段提醒文字，说明三个层级中有一个没有配置正确——最常见的是将第一层规则混入参考资料库，而不是放在指令层。
Jenova 的智能体可通过 jenova.ai 访问，免费层以有限用量覆盖全部核心功能，付费层起价为 $20/月。Novelcrafter 的 Artisan 层约为 $14/月，另加通过 OpenRouter 使用模型的成本。Claude Pro 按年计费约为 $17/月。对于构建自定义基础设施的开发者，Mem0、Zep 和 Chroma 均为可自托管的开源项目。
如果你正在运营长期协作设定或战役，我们的 Roleplay Game Master专为长线一致性打造，而 Character Creator可处理实体层面的工作。